alzheimer's disease | BriefGPT

关键词alzheimer's disease

搜索结果 - 189

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
量子人工智能用于阿尔茨海默病早期筛查
量子机器学习能够在健康领域中进行高效解决大数据集问题，此研究将其应用于阿尔茨海默病的诊断，并发现量子和经典算法在分类任务中表现相似，甚至有时量子方法表现更好，为将来在早期筛查诊断方面开发新的量子机器学习应用铺平了道路。
PDF2 months ago
MRI 可解释的概念映射：揭示基于深度学习的脑疾病分类的机制
通过对深度神经网络学习的概念进行系统性研究，可以确定变化的大脑区域用于模型验证，从而增加疾病分类模型的可靠性。
PDF3 months ago
基于主成分分析和机器学习的阿尔茨海默病辅助诊断系统
通过使用人工神经网络和支持向量机作为分类器，以及主成分分析作为特征提取技术，这篇论文研究了基于机器学习的方法在阿尔茨海默病检测和分类中的性能，并表明这种组合方案在准确度和优势方面取得了显著成果。
PDF3 months ago
利用生成对抗网络进行自发性蛋白质设计，针对微胶质细胞 IL-3Rα 以抑制阿尔茨海默病的进展
通过活化微胶质细胞上的 IL-3R 受体，该研究表明 IL-3 能够保护免受阿尔茨海默病的侵害，清除由错误折叠的 Tau 蛋白引起的纠缠物。研究旨在确定 IL-3 的次级结构在其与受体的结合中的作用，以期寻找激活它的可能药物，并抑制阿尔茨海
PDF3 months ago
PSG 信号中的阿尔茨海默病检测
阿尔茨海默病和睡眠障碍之间存在紧密联系，睡眠模式的中断经常在轻度认知障碍（MCI）和早期 AD 发作之前出现。本研究探讨利用通过多导睡眠监测仪（PSG）获得的与睡眠相关的脑电图（EEG）信号用于早期 AD 检测的潜力。我们主要关注于探索半监
PDF3 months ago
利用预训练和基于 Transformer 的 EHR 嵌入来表征阿尔茨海默氏病及相关痴呆症之间的异质性
阿尔茨海默病是一种进展性的神经退行性疾病，全球有 5000 万人患病。尽管这是一种重大的健康负担，可用于治疗该疾病的方法有限，并且其根本原因仍然不明。我们使用无监督学习技术对来自一组记忆障碍患者的电子健康记录进行特征化分析，以揭示该疾病人群
PDF3 months ago
神经退行性疾病的超高分辨率激活态 MRI 的基于表面的分区和顶点分析
介绍了一种新的方法来研究脑结构，使用 ex vivo 磁共振成像技术对阿尔茨海默病及相关痴呆的 82 个样本进行了超高分辨率分析，并将形态计量学与组织学病理学数据进行关联。
PDF3 months ago
CMViM：用于 AD 分类的 3D 多模态表征学习的对比掩码 Vim 自编码器
我们提出了一种针对 3D 多模态数据的首个高效表示学习方法 Contrastive Masked Vim Autoencoder（CMViM），该方法利用传统的 Vision Mamba（Vim）自动编码器结构实现对三维医学图像的统一多模态
PDF3 months ago
通过可解释的三维混合压缩卷积变换提升基于 MRI 的阿尔茨海默病分类
通过将卷积神经网络（CNN）和视觉转换器（ViTs）相互结合，我们引入了一种新的端到端深度学习模型，3D Hybrid Compact Convolutional Transformers 3D（HCCT）。在突出阿尔茨海默病（AD）分类准
PDF3 months ago
双层超图网络用于多模式阿尔茨海默病诊断
通过半监督的多模态诊断框架，采用新的超图框架，能够在利用最少标签的情况下处理多模态数据之间的高阶关系，实施阿尔茨海默病前期阶段的早期检测，以显著提高患者的结果和生活质量。
PDF3 months ago
基于 PET 扫描图像分析的阿尔茨海默病早期检测的集成方法引介
通过对 ADNI 数据集所得的 PET 扫描图像进行深入研究，本文使用了 VGG16、AlexNet 和一个自定义的卷积神经网络（CNN）模型来将阿尔茨海默病分类为控制正常组（CN）、进展性轻度认知障碍组（pMCI）、稳定性轻度认知障碍组（
PDF4 months ago
基于深度引起的显著性对比网络的阿尔茨海默病诊断：通过视觉刺激和眼动的联合分析
早期诊断阿尔茨海默病对于随后的医疗治疗非常重要，而眼球在特殊视觉刺激下的运动可能作为一种潜在的非侵入性生物标志物用于检测阿尔茨海默病患者的认知异常。我们提出了一种基于深度感应显著性对比网络 (DISCN) 的眼球运动分析方法，该方法可用于阿
PDF4 months ago
基于 Ricci 流的脑表面协方差描述子在阿尔茨海默病中的应用
通过使用 Ricci 能量优化提取皮层表面的新型协方差描述符，基于流形的分类应用于 3D 形状问题，这一方法在分析异常皮层脑形态学上的应用能够用于诊断阿尔茨海默病。通过在大约 200 个 3D MRI 脑模型上进行实验研究，我们证明了我们的
PDF4 months ago
基于条件评分的扩散模型用于皮层厚度轨迹预测
阿尔茨海默病是一种神经退行性情况，其进展速度因个体而异，与皮层厚度的变化密切相关，准确预测皮层厚度的轨迹可以显著提升早期诊断和干预策略，然而，长期数据经常遭受时间上的稀疏和不完整，我们提出了一种用于生成给定基线信息下皮层厚度轨迹的条件分数扩
PDF4 months ago
学习阿尔茨海默病的不可逆进展轨迹
通过引入一种新的正则化方法，我们提出了一种预测阿尔茨海默病进展的方法，旨在保持疾病风险随时间递增的单调性，同时保留预测准确性。
PDF4 months ago
融合的卷积神经网络和长短期记忆模型用于从 MRI 扫描中改进阿尔茨海默病的诊断
该研究旨在提出一种混合模型，将卷积神经网络模型的特征提取能力与长短期记忆模型的检测能力结合起来，通过应用转移学习中的 VGG16 从 MRI 图像中提取特征，并使用软最大函数对完全连接层的输出层进行分类，成功地检测出阿尔茨海默病，并取得了
PDF4 months ago
应用图论和图神经网络揭示阿尔茨海默病演变变体中脑部病变的地形组织
该研究利用图论和深度学习评估阿尔茨海默病（AD）神经病理学的变异，重点关注典型 AD 和快速进展型 AD 的形式。它分析了尸检脑组织中淀粉样斑块和 Tau 缠结的分布情况。将组织病理学图像转化为基于 Tau 病理学的图形，并使用导出的度量值
PDF4 months ago
V2C-Long：带时空对应的纵向皮层重建
使用深度学习方法的 V2C-Long 重建了长期 MRI 上的皮层表面，并且通过建立强大的时空对应关系，提高了对阿尔茨海默病中区域性皮质萎缩的敏感性。
PDF4 months ago
KDD通过遮蔽输入梯度揭示痴呆检测：一种模型解释性与精确性的 JSM 方法
通过使用 JSM 作为一种模态无关的工具，我们提出了一种可解释的多模态 AD 分类模型，它能够为病理性脑变化提供洞察力，从而在模型调试和解释方面具有显著的效果，并且极大地提高了模型的准确性。
PDF4 months ago