mild cognitive impairment | BriefGPT

关键词mild cognitive impairment

搜索结果 - 24

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
PDF17 days ago
跨语言认知洞察：提升多模式面试分析
我们提出了一种多模态模型，能够预测轻度认知障碍和认知得分，通过对 TAUKADIAL 数据集进行评估，提取音频和文本特征，并将其结合成多模态架构以实现强大而广泛的结果。
PDF25 days ago
多模态分层多任务深度学习框架，用于联合预测和解释阿尔茨海默病进展
该研究提出了一种多模态分层多任务学习方法，可以在访问轨迹的每个时间点监控疾病进展的风险，并且相较于最先进的基线模型，在预测阿尔茨海默病进展风险和综合评分上表现更好。
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
基于语言的轻度认知障碍检测使用信息损失
该研究使用深度学习和自然语言处理技术，提出了一个框架，通过分析来自 I-CONECT 研究项目的视频访谈生成的文本，区分老年人的轻度认知障碍和正常认知状态。提出的 NLP 框架由两个基于 Transformer 的模块组成，分别为句子嵌入和
PDF5 months ago
HA-HI: 通过分级对齐和分级交互的融合 fMRI 和 DTI 在轻度认知障碍诊断中的应用
通过多模态磁共振成像（MRI）进行早期诊断轻度认知障碍（MCI）和主观认知衰退（SCD）是一项重要的研究领域。本研究引入了一种新颖的 Hierarchical Alignments and Hierarchical Interactions
PDF6 months ago
医学术语分类中的大型语言模型及响应与推理的意外不一致
本研究评估了 GPT-3.5、GPT-4、Falcon 和 LLaMA 2 等最先进的大型语言模型在从出院摘要中识别患有轻度认知障碍（MCI）的患者的能力，并检查模型响应与其推理不一致的情况。研究结果强调了提示工程的重要性和对 GPT-4
PDF7 months ago
基于分层 Transformer 的脑扩散器用于 MCI 因果分析
提出了一种脑扩散器，利用层次化变换器来估计轻度认知障碍（MCI）分析的有效连接；该模型通过堆叠多头注意力和图卷积网络来增强结构 - 功能互补性并提高噪声估计能力，并有效地捕捉大脑区域之间的单向和双向相互作用。
PDF7 months ago
通过亚社团检测在轻度认知障碍中定位和评估默认模式网络节点的重要性
利用 fMRI 技术，我们采用全新的节点显著性评分（NSS）来确定受轻度认知障碍（MCI）影响的大脑区域（位于默认模式网络（DMN）中的节点），通过对构成 DMN 的感兴趣区（ROIs）进行部分相关性分析建立个体特定的 DMN 图。对 DM
PDF7 months ago
利用功能磁共振成像时间序列的沉降图嵌入进行轻度认知障碍检测
通过使用脑部网络的静息态功能磁共振成像技术，本研究采用复发图方法对 100 名受试者的脑部网络进行分析，并通过自编码器得出低维特征嵌入，得到 93% 的分类准确率，证明了该方法的潜力。
PDF7 months ago
老年驾驶员轨迹数据异常行为检测
给定一个道路网络和一组轨迹数据，本文介绍了一种可以表示详细时空轨迹数据的边属性矩阵，并识别异常驾驶行为的方法。实验结果表明，该方法能够有效地识别异常驾驶行为。
PDF7 months ago
视觉属性提示学习用于逐步预测轻度认知衰退
利用视觉属性提示学习的转换器和提示微调来提取和融合多模态特征，有效地利用脑成像数据和临床信息，提高渐进性轻度认知障碍的诊断准确性。
PDF8 months ago
利用视频对话中的面部特征检测轻度认知损害
利用深度学习算法从视频中提取面部特征来检测老年人的轻度认知障碍（MCI），通过使用卷积自编码器提取空间整体面部特征和使用变换器提取时间信息的方法，该研究在 I-CONECT 行为干预研究数据中成功地检测了 MCI 病人与正常认知状况的病人，
PDF10 months ago
TriFormer：一种用于轻度认知障碍转化预测的多模态 Transformer 框架
提出了一种基于 Triformer 的框架，该框架利用三个专门的 transformer 分别从多个模态数据中提取信息，能够更准确地预测轻度认知障碍是否发展成阿尔茨海默病，其已在多个数据集上得到验证。
PDFa year ago
使用瓶颈变压器进行阿尔茨海默病的早期检测
本研究使用一组自注意力瓶颈变换器与成像质量感知极小化器的集成方法，基于结构性磁共振成像技术早期检测阿尔茨海默症，检验性能指标包括准确率、精准率、召回率、F1 得分和曲线下面积（ROC-AUC）。
PDFa year ago
利用加权孪生网络从 MRI 影像预测阿尔茨海默病的发病时间
该研究采用孪生网络模型预测 MRI 脑图像中中度认知障碍患者进展至阿尔茨海默病的时间，并通过对不同模型的比较，提出一种带有加权因子的孪生网络，使得预测精确度得到了提高。
PDFa year ago
利用面部视频检测老年人轻度认知障碍的 MC-ViViT 多分支分类器 - ViViT
本文提出了一种新的 Multi-branch Classifier-Video Vision Transformer (MC-ViViT) 模型，通过分析面部特征区分普通认知和轻度认知障碍 (MCI)。作者通过提出的 HP Loss 组合了
PDFa year ago
预测轻度认知障碍发展为阿尔茨海默病
本研究利用自监督对比学习方法和基于游程的神经网络模型，通过解剖学磁共振成像生成的结构性脑网络预测 MCI 向 AD 的转变，并可视化模型解释以识别白质通路异常变化。
PDF2 years ago
KDD基于解剖形状和表格临床数据的宽且深的神经网络生存分析
研究利用神经网络将患者的 hippocampus 形态和临床生物标记结合，预测从轻度认知障碍到阿尔茨海默病的进展，并且在处理时间数据时采用了常用的生存分析方法。实验表明，该模型的表现优于处理形态数据以及处理临床生物标记数据的模型。
PDF5 years ago
基于 3D CNN 的 sMRI 和 MD-DTI 图像分类，用于阿尔茨海默病研究
本文研究了自动分类方法的主要趋势，探讨了卷积神经网络和 MRI 在海马区 ROI 上融合的痴呆症诊断算法，以及通过数据增强来平衡不同大小的类别对分类结果的影响。
PDF6 years ago