PulseAugur
中
实时 13:30:21
English(EN) Bayesian Networks with Latent Time Embedding for Stage-Aware Causal Modeling of Alzheimer's Disease Progression

新的贝叶斯模型追踪阿尔茨海默病进展和 AT(N) 级联

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的贝叶斯结构框架，称为具有潜在时间嵌入的贝叶斯网络 (BN-LTE)，用于模拟阿尔茨海默病的进展。该模型从基线生物标志物数据估计疾病假时间，并强制执行淀粉样蛋白-tau-神经退化 (AT(N)) 级联的生物学上合理的顺序。BN-LTE 使用来自阿尔茨海默病神经影像学计划 (ADNI) 的数据进行了评估，与现有预测方法相比，在 tau 进展的空间重建方面表现强劲。该框架还确定了疾病进展过程中淀粉样蛋白敏感性最明显的特定窗口。 AI

排序理由 该集群包含一篇详细介绍特定疾病新建模框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Nguyen Linh Dan Le ·

    Bayesian Networks with Latent Time Embedding for Stage-Aware Causal Modeling of Alzheimer's Disease Progression

    arXiv:2606.15784v1 Announce Type: new Abstract: Alzheimer's disease (AD) progression is often described through the amyloid-tau-neurodegeneration, or AT(N), cascade. However, most longitudinal models represent this cascade either as a fixed sequence of biomarkers or as a black-bo…

相关实体

相关话题