alzheimer's disease | BriefGPT

关键词alzheimer's disease

搜索结果 - 188

生成人工智能在眼科学中的应用：使用卷积神经网络进行多模态视网膜图像诊断阿尔茨海默病
用多模态视网膜成像和卷积神经网络预测淀粉样蛋白阳性发射计算机断层扫描（AmyloidPET）状态，并通过合成数据预训练以提高性能。
PDF6 days ago
脑全景影像转录组学数据增强的可信多视角多模态阿尔茨海默病预测
通过大脑转录组学，我们提出使用信任的多视图多模态图注意力框架 (TMM) 进行阿尔茨海默病 (AD) 诊断，结合了脑的全面转录组和成像数据，并采用图注意力 (GAT) 处理和交叉模态注意力来融合转录组和成像导出的嵌入，使用真假融合的类别概率
PDF11 days ago
基于大规模合成神经影像数据集的 3D 卷积神经网络进行自监督预训练任务用于阿尔茨海默病分类
通过评估几种无监督方法对大规模合成数据集进行预训练的特征提取器在下游阿尔茨海默病与认知正常之间的分类任务中达到了类似于使用真实数据的模型的性能，从而支持使用大规模合成数据进行预文本任务训练的可行性。
PDF12 days ago
多模态 MRI 基于的阿尔茨海默病相关淀粉样蛋白状态的检测
通过结构、功能和扩散性 MRI 数据的多模态集成信息，可以准确判别 Aβ 血型在阿尔茨海默病连续性中的状态，为该领域的进一步研究铺平了道路。
PDF13 days ago
用于解码阿尔茨海默病的可解释的多模态神经影像学 - 基因组学生成框架
阿尔茨海默病（AD）是认知能力逐渐下降的最常见的痴呆形式之一。本研究采用结构和功能性 MRI 探究了疾病引起的灰质和功能网络连接变化，并引入基因 SNP 作为第三个通道。我们提出了一种基于深度学习的分类框架，使用 Cycle GAN 生成模
PDF13 days ago
跨模态三维图像合成的循环 2.5D 感知损失：T1 MRI 到 Tau-PET
阿尔茨海默病（AD）是最常见的痴呆症，其特征是认知能力下降和 tau 蛋白等生物标志物。使用神经网络进行图像合成，可以从易获取的 T1 加权磁共振成像（MRI）图像生成 tau-PET 图像。通过使用 2.5D 感知损失和均方差与结构相似性
PDF14 days ago
AAAI统一解释性与可解释性用于阿尔茨海默病进展预测
使用强化学习算法预测阿尔茨海默病的进展，并研究其可解释性；通过比较多种 RL 算法性能，发现只有一种能够较好地模拟疾病进展，但后续解释分析显示所有方法未能正确捕捉淀粉样蛋白囤积在阿尔茨海默病中的重要性。
PDF21 days ago
Vision Mamba: 利用 3D MRI 扫描对阿尔茨海默病进行先进的分类
使用 Vision Mamba 模型基于 State Space Models（SSMs）对 3D MRI 图像进行分类以检测阿尔茨海默病，该模型通过动态状态表示和选择性扫描算法，有效地捕获和保留 3D 体积中的重要空间信息，结合卷积运算的
PDF23 days ago
SynthBA: 可靠的多个 MRI 序列和分辨率下的脑龄预测
通过使用合成大脑年龄（SynthBA）模型，我们可以预测大脑的年龄并且在临床环境中更加广泛地应用，而不受获取方式变化的限制。
PDFa month ago
评估纵向数据在阿尔茨海默病预测中的意义
利用变压器编码器模型来表征纵向患者数据的重要性，以预测阿尔茨海默病（AD）的进展。我们的模型 LongForMAD 利用包含多模态数据的患者访问序列中嵌入的全面时间信息，提供对疾病进展的更深入理解，比仅基于单次访问数据获得的理解更有效。我们
PDFa month ago
通过对数正态特征分析机器学习方法研究阿尔茨海默病对书写的影响
通过 Sigma-lognormal 模型提取的手写特征，应用于机器学习，旨在开发一个支持系统来帮助医生诊断和研究阿尔茨海默病，并评估提取特征的有效性以及它们之间的关系。
PDFa month ago
利用大型语言模型基于电子健康记录预测阿尔茨海默病的增强风险
通过利用语言模型为风险预测增添强大的能力，结合传统监督学习方法和大语言模型的决策机制，本研究提出的创新流程通过实际的电子健康记录数据仓库的评估表明有效地提高了预测性能，为改善 ADRD 筛查和早期检测实践带来了希望，并对患者管理策略产生潜在
PDFa month ago
探索营养对阿尔茨海默病死亡率的影响：一种可解释的人工智能方法
使用机器学习和可解释的人工智能技术，研究了营养状态与阿尔茨海默病（AD）相关的死亡率之间的关系，并通过随机森林模型和 Shapley Additive Explanations 方法确定了重要的营养因素，如血清维生素 B12 和糖化血红蛋白
PDFa month ago
TauAD: 基于条件扩散模型的 PET 成像无需 MRI 的 Tau 异常检测
通过提出一种新颖的条件扩散模型，从 tau PET 成像数据中进行无 MRI 异常检测，并通过训练支持向量机（SVM）对疾病严重程度进行分类，该方法在 AD 患者和亚临床受试者中表现出高准确性和生物相关性。
PDFa month ago
阿尔茨海默病的磁共振成像分类方法：基于深度学习和元学习模型
通过使用深度学习技术，特别是基于最先进的卷积神经网络（CNNs），对磁共振成像（MRI）数据进行分类，以便识别阿尔茨海默病（AD），该研究报告了采用多个 CNN 模型的集成方法来提高检测的查全率和准确性，其中多数投票法表现得更好。我们提出的
PDFa month ago
使用生成对抗网络进行跨模态翻译以揭示阿尔茨海默病生物标志物
研究探索了在阿尔茨海默病的语境中使用生成对抗网络（GAN）从功能网络连接和 T1 加权结构磁共振成像数据中生成相应的数据，并通过集成弱监督的方式提高数据过渡的质量。结果显示模型具有良好的相似性和相关性，并在阿尔茨海默病患者的脑部图像中发现了
PDF2 months ago
DALK：使用科学文献动态协同增强 LLMs 和 KG 来回答关于阿尔茨海默病的问题
利用 DALK，一种 LLM 和 KG 相互增强的动态协同方法，我们将大规模语言模型应用于阿尔茨海默病领域，构建了一个与 AD 相关的知识图谱，并利用知识图谱增强 LLM 的推理能力，实验证明了其有效性。
PDF2 months ago
HAFFormer：面向自由语音的阿尔茨海默病检测的分层无注意力框架
构建了一个名为 HAFFormer 的新型框架，通过使用多尺度深度卷积的无注意模块替代自注意力，以及使用 GELU-based 门控线性单元替代前馈层，从而在 AD 检测中更好地处理长时间语音，提高了计算效率和模型的减小比率。
PDF2 months ago
通过潜在扩散和先验知识增强时空疾病进展模型
Brain Latent Progression (BrLP) is a disease progression model that predicts the evolution of diseases at the individual
PDF2 months ago
基于条件生成对抗网络的结构性 MRI 三维淀粉样蛋白质 PET 合成
开发一种 3D 图像转换模型，能够从 T1 加权 MRI 合成淀粉样蛋白 PET 图像，通过模型训练和验证，证明了从结构性 MRI 图像中合成淀粉样蛋白 PET 图像的可行性，大大提高了大型队列研究和早期痴呆症检测的可访问性，同时降低成本、
PDF2 months ago