机构名称：
¥ 1.0
阿尔茨海默氏病（AD）被认为是认知能力下降的连续体，而潜在的生物学变化，预测疾病进展至关重要。脑萎缩状态对于评估疾病的严重程度和预后是关键的，但是对其纵向变化及其与进展的统治建模尚未得到充分兴奋。本研究提出了一种基于深度学习的新型方法，可以精确地模拟从ADNI数据库中收集的轻度认知障碍（MCI）受试者的62个皮质和皮质下区域的萎缩动力学，随后是独特的培训方案，以添加β-淀粉样蛋白蛋白质对促性蛋白质的影响以及对模型型的特征的影响。此外，我们将动力学直接实施到MCI中，以将动态实施到示例转换预测任务。我们的发现证明了使用深度学习对萎缩动力学进行建模的可行性，并建议利用动力学代表（DR）增强了转换预测。
建模大脑萎缩动力学增强了预测阿尔茨海默氏病连续体认知能力下降
主要关键词
相关文件推荐
