XiaoMi-AI文件搜索系统
World File Search System阿尔茨海默
人工智能在阿尔茨海默氏病中的应用
结果：通过研究过程总共获得了2,316篇论文，自2018年以来观察到的出版物显着增加，这表明该领域的显着增长。美国，中国和英国为该研究领域做出了明显的贡献。伦敦大学领导着80个出版物的机构生产力，随后是加利福尼亚大学系统，有74个出版物。关于全部出版物，《阿尔茨海默氏病杂志》是最多产的，而神经图则是被引用最多的杂志。shen dinggang是全部出版物和平均引文的顶级作者。参考和关键词的分析突出了研究热点，包括鉴定AD的各个阶段，早期诊断筛查，风险预测和疾病进展的预测。“任务分析”关键字从2021年到2023年出现为研究前沿。
Brain-on-Cloud 通过 3D 结构磁共振全脑扫描自动诊断阿尔茨海默病
背景和目标：阿尔茨海默病约占痴呆症病例的 70%。从 T1 加权结构磁共振扫描中可以轻松发现阿尔茨海默病引起的皮质和海马萎缩。由于在综合征的初期及时进行治疗干预对患病对象的病情进展和生活质量都有积极影响，因此阿尔茨海默病的诊断至关重要。因此，本研究依赖于开发一个强大而轻量级的 3D 框架 Brain-on-Cloud，该框架致力于通过改进我们最近的基于卷积长短期记忆的框架，并集成一组数据处理技术，以及调整模型超参数并评估其在独立测试数据上的诊断性能，从 3D 结构磁共振全脑扫描中有效学习与阿尔茨海默病相关的特征。方法：为此，在可扩展的 GPU 云服务上进行了四次连续实验。对它们进行比较，并调整最佳实验的超参数，直到达到最佳性能配置。同时，设计了两个分支。在 Brain-on-Cloud 的第一个分支中，在 OASIS-3 上进行训练、验证和测试。在第二个分支中，使用来自 ADNI-2 的未增强数据作为独立测试集，并评估 Brain-on-Cloud 的诊断性能以证明其稳健性和泛化能力。计算每个受试者的预测分数，并根据年龄、性别和简易精神状态检查进行分层。结果：在最佳状态下，Brain-on-Cloud 能够分别在 OASIS-3 和独立 ADNI-2 测试数据上以 92% 和 76% 的准确率、94% 和 82% 的灵敏度以及 96% 和 92% 的曲线下面积辨别阿尔茨海默病。结论：Brain-on-Cloud 是一种可靠、轻量且易于复制的框架，可用于通过 3D 结构磁共振全脑扫描自动诊断阿尔茨海默病，无需将大脑分割成各个部分即可表现出色。在保留大脑解剖结构的情况下，其应用和诊断能力可以扩展到其他认知障碍。由于其云特性、计算轻量和执行速度快，它还可以应用于实时诊断场景，提供及时的临床决策支持。
研究阿尔茨海默氏症类型的轻度认知障碍中的氧化应激 - 脑损伤轴
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。
性别和 APOE-4 基因型对阿尔茨海默病局部脑代谢的影响
摘要 年龄、性别和 APOE- ε 4 基因型已被认为是罹患阿尔茨海默病 (AD) 风险的最强预测因素。这项研究采用混合效应模型，结合潜伏期变量和纵向 FDG-PET 数据，模拟了区域性大脑代谢减慢的病理进展。然后通过统计比较，理清性别和 APOE- ε 4 基因型对各大脑区域代谢减慢的发病年龄和进展速度的影响，同时校正了受教育程度。它们提供了代谢改变较早和/或较快的区域的大脑地图。我们发现，女性尾状核、丘脑、右颞叶和枕内侧叶的代谢减慢较快，而 APOE- ε 4 与边缘系统（海马、海马旁回和杏仁核）和颞叶的早期代谢减慢有关。
健康衰老与阿尔茨海默氏病的糖尿病相关血管危险因素与神经退行性生物标志物之间的关系
血管危险因素（例如高血糖和血小板过度激活）在2型糖尿病（T2D）中起着重要作用，这是AD的危险因素。我们研究了105名认知未损害的成年人（包括21个淀粉样蛋白的成年人（Aβ -NEG对照组），包括21名淀粉样蛋白的老年人（Aβ -NEG对照组），以及45个淀粉样蛋白稳态的患者A A A A A AA APAiria Impair Impair或Dimpimair Impair或Dimpimair Impair（包括21例），我们研究了105名认知未损害的成年人的血小板水平，血小板计数；平均血小板体积（MPV）和AD神经成像标记之间的关系。我们评估了两个与T2D相关的血管危险因素的组间差异，然后对血液参数与多模式神经影像学（结构MRI，18 F-氟脱氧葡萄糖和18 F-氟-pet）之间的关联在Cogni-Inty-Unical Imperigancy Undimprimpightimpiraightimpightim Imprighightimpiraightimpigh的成年患者中使用了β-POPSOS，并使用了β-pospos。与β -neg对照组相比，β -POS患者的血小板计数较低和MPV较高。在认知无影响的成年人中，血糖水平升高与广告敏感区域的萎缩和低代谢有关。在β -Pos paptent中，MPV增加与内嗅和周围皮层萎缩有关。健康个体的亚临床但高血糖水平和AD患者的MPV水平与广告敏感大脑区域的神经变性有关，而与淀粉样蛋白沉积无关。©2022作者。由Elsevier Inc.出版这是CC BY-NC-ND许可（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章
调节阿尔茨海默氏病的遗传变异风险如果蛋白质 - 蛋白质
。cc-by-nc-nd 4.0国际许可证可永久提供。是作者/资助者，他已授予Medrxiv的许可证，以显示预印本（未通过PEER REVIVE的认证）Preprint Preprint the版权所有此版本，该版本于2025年2月14日发布。 https://doi.org/10.1101/2025.02.11.25322052 doi：medrxiv preprint
利用可重复、可解释的深度学习从神经影像数据中对阿尔茨海默病进行诊断、预后和亚型分析
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
阿尔茨海默氏症的披露表格
除了法典第31-8-181条所排除的计划，设施，实体或任何其他国家的政治细分状态（除阿尔茨海默氏病或阿尔茨海默氏症相关痴呆症的待遇）外，这些疾病的待遇，以宣传，市场或提议为某人提供专业，治疗，治疗，治疗，治疗或治疗者的活动，或者提供特殊疾病，或提供特殊疾病或治疗疾病的活动，或者诊断为一种或诊断的人，或者诊断或诊断的人或诊断。需要与阿尔茨海默氏症相关的痴呆症才能完成此表格。 该法案不适用于医生或其雇员。 但是，如果医师运作，管理，拥有或控制疗养院，个人护理之家，临终关怀，暂托护理服务，成人日计划或家庭健康机构，则仍然需要该实体来进行披露。 医院免于披露要求。 但是，如果医院的疗养院，暂托护理服务，成人日计划或家庭健康局必须披露自己作为为患有阿尔茨海默氏病或阿尔茨海默氏症相关的痴呆症患者提供专门护理的披露。除了法典第31-8-181条所排除的计划，设施，实体或任何其他国家的政治细分状态（除阿尔茨海默氏病或阿尔茨海默氏症相关痴呆症的待遇）外，这些疾病的待遇，以宣传，市场或提议为某人提供专业，治疗，治疗，治疗，治疗或治疗者的活动，或者提供特殊疾病，或提供特殊疾病或治疗疾病的活动，或者诊断为一种或诊断的人，或者诊断或诊断的人或诊断。需要与阿尔茨海默氏症相关的痴呆症才能完成此表格。该法案不适用于医生或其雇员。但是，如果医师运作，管理，拥有或控制疗养院，个人护理之家，临终关怀，暂托护理服务，成人日计划或家庭健康机构，则仍然需要该实体来进行披露。医院免于披露要求。但是，如果医院的疗养院，暂托护理服务，成人日计划或家庭健康局必须披露自己作为为患有阿尔茨海默氏病或阿尔茨海默氏症相关的痴呆症患者提供专门护理的披露。
推进阿尔茨海默氏病风险预测
抽象目标阿尔茨海默氏病（AD）对65岁及65岁以上的个体是最普遍的痴呆形式构成了重大挑战。尽管现有的AD风险预测工具表现出很高的准确性，但它们的复杂性和有限的可访问性限制了实际应用。本研究旨在使用机器学习技术开发一个方便，有效的预测模型。设计和设置我们对来自国家阿尔茨海默氏症协调中心的60岁及60岁以上的参与者进行了横断面研究。我们选择个人特征，临床数据和心理社会因素作为AD的基线预测因子（2015年3月至2021年12月）。这项研究利用随机森林和极端梯度提升（XGBoost）算法以及传统的逻辑回归进行建模。应用了一种超采样方法来平衡数据集。干预措施本研究没有干预措施。参与者研究包括2379名参与者，其中507名被诊断出患有AD。主要和次要结果指标，包括准确性，精度，召回，F1分数等。结果11变量在训练阶段至关重要，包括教育水平，抑郁，失眠，年龄，体重指数（BMI），药物计数，性别，支架，收缩压（SBP），神经症和快速眼动运动。XGBoost模型与其他模型相比表现出色，在曲线下达到0.915，灵敏度为76.2％，特异性为92.9％。最有影响力的预测因素是教育水平，总药物计数，年龄，SBP和BMI。结论拟议的分类器可以帮助指导老年人群中AD的临床前筛查。
通过神经元对阿尔茨海默氏病的因果遗传生物标志物揭示神经结构中的基因回溯：一种突破性的反向 - 片上尖峰分类，有效的中位数... 基于闩锁的快速下垂响应的设计 llmcarbon
摘要阿尔茨海默氏病（AD）影响了全球超过5500万人，但关键的遗传贡献者仍然没有尚未确定。利用基因组元素模型的最新进展，我们提出了创新的反向基因发现技术，这是一种神经网络结构中一种突破性的神经元到基因的回溯方法，以阐明新型的因果关系遗传生物标志物推动了AD套装。逆向基因 - 包括三个关键创新。首先，我们利用这样的观察结果，即引起AD的概率最高的基因（定义为最有因果基因（MCG））必须具有激活那些引起AD的最高可能性的神经元的最高可能性，该神经元被引起AD的可能性最高，被罚款为最大的神经元（MCNS）。其次，我们在输入层处取代基因令牌表示，以允许每个基因（已知或新颖的AD）表示为输入空间中的疾病和独特的实体。最后，与现有的神经网络体系结构相反，该架构以馈送方式跟踪从输入层到输出层的神经激活，我们开发了一种创新的回溯方法，可以跟踪从MCNS到输入层的向后进行识别，从而识别最引起的代币（MCTS）和Corre-McGs。逆向基因 - 高度解释性，可推广和适应性，为在其他疾病情景中应用提供了有希望的方法。