机构名称：
¥ 1.0
已确定的风险因素是遗传易感性，即家族史（5）。AD 的进展有四个不同的阶段，即早期轻度认知障碍 (EMCI)、轻度认知障碍 (MCI)、晚期轻度认知障碍 (LMCI) 和 AD（6）。EMCI 患者无法诊断为痴呆症，因为他们没有表现出足以干扰日常生活的症状；因此，在 MCI 的早期阶段检测出疾病对于减缓疾病进展、减轻不良症状和改善生活质量至关重要（7）。MCI 的常见症状包括健忘以及难以集中注意力、管理财务和完成任务。在这个阶段，受影响的人经常否认他们的症状，但在疾病进展到最后阶段之前检测出这个阶段是至关重要的（7,8）。由于 MCI 阶段的症状很容易被误诊为额颞叶痴呆 (FTD)、精神疾病、血管性痴呆或帕金森病，因此在这个阶段区分 AD 进展至关重要（9）。为了克服诊断困难，研究人员正在研究脑脊液，并使用计算机断层扫描 (CT)、磁共振成像 (MRI) 和正电子发射断层扫描 (PET) 等技术来检测 MCI 患者大脑的早期变化。其中，MRI 是最常用的，因为它完全无创且广泛可用。MRI 扫描可提供大脑结构异常变化的图片并检测大脑区域的收缩。理论上，MRI 可提供解析淀粉样蛋白-β 斑块所需的空间分辨率 (8-10)。机器学习 (ML) 是人工智能的一个分支，它允许计算机使用统计数据、概率和算法从感兴趣的数据中学习，从而解决复杂的现实问题。具有计算机辅助诊断的 ML 算法已广泛用于开发高性能医学图像处理系统 (10-11)。 ML 技术被发现对 AD 的诊断非常有用，许多研究已经使用了经典的 ML 方法，例如随机森林 (12) 和支持向量机 (SVM) (13) 来分析和解释 MRI 扫描、对模式进行分类和对数据进行建模。在这个领域使用 ML 有一些限制，因为这些算法通常涉及手动选择大脑 MRI 图像上的预选感兴趣区域 (ROI)。手动选择 ROI 需要大量劳动力和时间，并且容易出错 (14)。深度学习是 ML 的一个子集，它使我们能够解决
一种早期检测阿尔茨海默病的新方法......
主要关键词
相关文件推荐
