XiaoMi-AI文件搜索系统
World File Search System于阿尔
由于阿尔茨海默氏病和帕金森氏病引起的轻度认知障碍中的脑振荡模式：一项探索性高密度EEG研究
Objective: We investigated brain cortical activity alterations, using a resting-state 256-channel high- density EEG (hd-EEG), in Alzheimer's (AD) and Parkinson's (PD) disease subjects with mild cognitive impairment (MCI) and correlations between quantitative spectral EEG parameters and the global cogni- tive status assessed by Montreal Cognitive Assessment (MoCA) 分数。方法：15个AD-MCI，11个PD-MCI和十个年龄匹配的健康控制（HC）进行了HD-EEG记录和神经心理学评估。脑脊液生物标志物分析以获得良好的特征组。EEG光谱特征，并研究了三组之间的差异以及与MOCA的相关性。结果：与对照组相比，AD-MCI和PD-MCI的α2/alpha1比的α2/alpha1比显着降低。在PD-MCI中观察到明显更高的theta和较低的β/theta比。MOCA评分与theta功率以及alpha2和beta功率以及alpha2/alpha1和alpha/theta比率直接相关。结论：这项研究强调了AD-MCI和PD-MCI患者的脑电图模式的显着差异，并指出了EEG参数在两种神经退行性疾病中可能的替代标志物的作用。明显的能力：除了完善的生物标志物外，我们的发现还可以支持神经退行性疾病中认知功能障碍的早期检测，并可以帮助监测疾病的进展和治疗反应。
关于阿尔茨海默氏病和其他痴呆症国际注册中心（INRAD）和其他登记处的现实世界中的现实数据集：国际共识
此预印本版的版权持有人于2025年2月19日发布。 https://doi.org/10.1101/2025.01.12.25320418 doi：medrxiv preprint
发现易于阿尔茨海默氏病风险的个体中认知弹性的基因
这是根据Creative Commons归因许可条款的开放访问文章，该条款允许在任何媒介中使用，分发和复制，前提是适当地引用了原始作品。©2024阿尔茨海默氏症协会。阿尔茨海默氏症和痴呆症由Wiley Wendericals LLC代表阿尔茨海默氏症协会出版。
基于阿尔茨海默氏病的生物标志物
1。Hansson O.神经退行性疾病的生物标志物。nat Med。2021; 27：954-963。 doi：10.1038/s41591-021-01382-x 2。Villemagne VL，Burnham S，Bourgeat P等。淀粉样蛋白β沉积，神经退行性变化和零星阿尔茨海默氏病的认知下降：一项前瞻性队列研究。柳叶刀神经。2013; 12：357-367。 doi：10.1016/s1474-4422（13）70044-9 3。 2023阿尔茨海默氏病的事实和数字。 阿尔茨海默氏症痴呆症。 2023; 19：1598-1695。 doi：10.1002/alz.13016 4。 Drabo EF，Barthold D，Joyce G，Ferido P，Chang Chui H，Zissimopoulos J.种族多样的医疗保险受益人对痴呆症诊断和专业护理的纵向分析。 阿尔茨海默氏症痴呆症。 2019; 15：1402-1411。 doi：10.1016/j.jalz.2019.07.005 5。 paczynski MM，Day GS。 临床实践中的阿尔茨海默氏病生物标志物：基于血液的诊断革命。 J Prim Care Commu-2013; 12：357-367。 doi：10.1016/s1474-4422（13）70044-9 3。2023阿尔茨海默氏病的事实和数字。阿尔茨海默氏症痴呆症。2023; 19：1598-1695。 doi：10.1002/alz.13016 4。Drabo EF，Barthold D，Joyce G，Ferido P，Chang Chui H，Zissimopoulos J.种族多样的医疗保险受益人对痴呆症诊断和专业护理的纵向分析。阿尔茨海默氏症痴呆症。2019; 15：1402-1411。 doi：10.1016/j.jalz.2019.07.005 5。 paczynski MM，Day GS。 临床实践中的阿尔茨海默氏病生物标志物：基于血液的诊断革命。 J Prim Care Commu-2019; 15：1402-1411。 doi：10.1016/j.jalz.2019.07.005 5。paczynski MM，Day GS。临床实践中的阿尔茨海默氏病生物标志物：基于血液的诊断革命。J Prim Care Commu-
基于脑结构变化的可解释张量多任务集成学习用于阿尔茨海默病动态预测
摘要 目的：用于预测阿尔茨海默病 (AD) 进展的机器学习方法可以极大地帮助研究人员和临床医生制定有效的 AD 预防和治疗策略。方法：本研究提出了一种利用多任务集成学习方法预测 AD 进展的新型机器学习算法。具体来说，我们提出了一种基于脑生物标志物时空变异性相似性测量的新型张量多任务学习 (MTL) 算法来模拟 AD 进展。在该模型中，张量中每个患者样本的预测被设置为一个任务，其中所有任务共享一组通过张量分解获得的潜在因子。此外，由于受试者具有连续的脑生物标志物测试记录，因此该模型被扩展为利用梯度增强核集成受试者的时间连续预测结果以找到更准确的预测。结果：我们利用阿尔茨海默病神经影像学计划 (ADNI) 的数据进行了广泛的实验，以评估所提出的算法和模型的性能。结果表明，与基准和最先进的多任务回归方法相比，该模型在简易精神状态检查表 (MMSE) 问卷和阿尔茨海默病评估量表-认知分量表 (ADAS-Cog) 认知分数方面预测 AD 进展具有更高的准确性和稳定性。结论：脑生物标志物关联信息可用于识别个体脑结构的变化，该模型可用于通过磁共振成像 (MRI) 数据和不同阶段 AD 患者的认知分数有效地预测 AD 的进展。索引词——阿尔茨海默病、多任务学习、脑生物标志物时空相关性、张量分解、梯度提升集成学习。临床和转化影响声明：该模型利用磁共振成像数据计算患者不同阶段的认知分数来预测和诊断 AD 进展。实验中揭示的重要脑生物标志物关联信息可作为早期识别 AD 的潜在指标。
增强医疗保健推荐：深度卷积神经网络中的迁移学习用于阿尔茨海默病检测
阿尔茨海默病 (AD) 和轻度认知障碍 (MCI) 等神经退行性疾病会严重影响大脑功能和认知。先进的神经成像技术，尤其是磁共振成像 (MRI)，通过检测结构异常在诊断这些疾病方面发挥着至关重要的作用。这项研究利用以大量 MRI 数据而闻名的 ADNI 和 OASIS 数据集来开发用于检测 AD 和 MCI 的有效模型。该研究进行了三组测试，比较了多个组：多类分类（AD vs. 认知正常 (CN) vs. MCI）、二元分类（AD vs. CN 和 MCI vs. CN），以评估在 ADNI 和 OASIS 数据集上训练的模型的性能。对这两个数据集都应用了高斯滤波、对比度增强和调整大小等关键预处理技术。此外，还利用 U-Net 进行颅骨剥离，通过去除颅骨来提取特征。研究了几种著名的深度学习架构，包括 DenseNet-201、EfficientNet-B0、ResNet-50、ResNet-101 和 ResNet-152，以识别与 AD 和 MCI 相关的细微模式。采用迁移学习技术来提高模型性能，利用预训练数据集来改进阿尔茨海默氏症 MCI 检测。ResNet-101 与其他模型相比表现出色，在涵盖 AD、CN 和 MCI 的多类分类任务中，在 ADNI 数据集上实现了 98.21% 的准确率，在 OASIS 数据集上实现了 97.45% 的准确率。它在区分 AD 和 CN 的二元分类任务中也表现良好。ResNet-152 在 OASIS 数据集上 MCI 和 CN 之间的二元分类方面表现尤为出色。这些发现强调了深度学习模型在准确识别和区分神经退行性疾病方面的实用性，展示了它们在增强临床诊断和治疗监测方面的潜力。
基于深度 CNN 的脑部 MRI 图像分类用于阿尔茨海默病诊断
摘要：阿尔茨海默病是全球痴呆症的主要病因，影响着数百万人，他们的日常活动、交流甚至人脸识别能力逐渐受损。虽然狼疮的病因尚不完全清楚，但它可能反映了生活方式的选择和环境因素以及遗传倾向。诊断这些疾病的最大障碍是它们通常早期表现不明显，而且缺乏灵敏的检测范例。深度学习算法在几年前首次出现在医学成像的前沿，并被誉为复杂的诊断辅助工具，能够在扫描中发现通常隐藏在人眼中的细微迹象。我们受益于使用这些最先进的算法来改善阿尔茨海默病的检测，其中当今最大的 MRI 数据集之一（超过 86,000 张图像）被用于训练我们的模型。鉴于这个庞大的数据集，它被明显地结合成一个以准确为中心的诊断工具。我们的新型深度学习模型性能强大，并提供了最先进的验证准确率（99.63%），超越了现有模型。这些数据凸显了我们的模型作为检测早期阿尔茨海默病的可验证方法的巨大前景——阿尔茨海默病是控制和管理疾病进展的一个重要问题。通过采用尖端的深度学习技术，我们的研究确实是阿尔茨海默病诊断领域的一大进步。早期诊断可以更好地治疗并减轻疾病负担，从而可以预防发病率、死亡率，甚至改变许多患者的治疗结果。这是在人工智能的帮助下诊断阿尔茨海默病的一大进步，并有望更准确、更及时地发现。
LuZip：月球滑索、缆车和缆绳运输，用于阿尔特弥斯月球任务的移动和防尘
根据阿尔特弥斯计划，NASA 计划重返月球表面，这次是长期停留。阿波罗任务认为尘埃是月球表面作业面临的主要挑战。这包括从一点到另一点的旅行。人们一直在努力开发防止尘埃进入设备、使设备更耐尘和改善除尘效果的技术。然而，长时间在尘埃环境中有效运行仍然是一个悬而未决的问题。在这里，我们探讨了使用缆车、缆车和高空滑索在尘埃之上进行设备和材料转移以及人员远足。讨论了优缺点、潜在架构、推进和材料。还介绍了融入正在进行的阿尔特弥斯计划的步骤。
哥伦比亚特区州关于阿尔茨海默氏病的计划...
•阿尔茨海默氏症协会•丹妮塔·班克斯（Danita Banks），DC健康•梅利莎·巴奇洛（Melissa Batchelor），乔治华盛顿大学老龄化，健康与人文学科中心•戴安娜·布莱克维尔德（Diana Blackwelder）•diana blackwelder•劳拉·布林克霍恩（Laura Blinkwelder）•玛丽的玛丽中心，玛丽的中心•迪恩·布伦纳（Dean Brenner），迪恩·布伦纳（Dean Brenner），迪恩·布伦纳（Dean Brenner Department of Health Care Finance • Maritza Dowling , George Washington University • Tiffany Gray , DC Health • Sarah Grogan , Iona Senior Services • Jaramillo James , Georgetown University Memory Disorders Program • Edwinta Jenkins-Smith , Department of Aging and Community Living • Jo-Ann Jolly , DC Health • Renee Kee , Capital Area Food Bank • Ivan Laney , United Planning Organization • Eme Martin ,阿尔茨海默氏症协会•史蒂文·纳什（Steven Nash），斯托达德浸信会之家•梅琳达·鲍尔（Melinda Power），乔治·华盛顿大学（George Washington University残疾法律中心•乔治·沃辛顿（George Worthington），弗吉尼亚州老化和康复服务部
