实体
ADNI dataset
ADNI dataset
PulseAugur coverage of ADNI dataset — every cluster mentioning ADNI dataset across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新型MT-GNN模型高精度预测大脑结构演化
研究人员开发了一种新颖的图神经网络模型MT-GNN，能够预测大脑结构形状随时间的演化。该模型专注于预测表面的内在几何形状，特别是度量张量，适用于任意历史扫描数据和预测范围。在ADNI数据集的14个皮层下结构上进行测试时，MT-GNN的预测精度优于现有方法，平均顶点误差为-2.29%，并且优于测地线形状回归和网格Transformer。
-
AI模型利用常规患者数据预测阿尔茨海默病进展
研究人员开发了一个名为GNOVA的新框架，它使用GRU-神经ODE变分自编码器来预测和重建阿尔茨海默病的进展。该模型仅使用常规患者数据即可预测CDR-SB和MMSE等认知评分，避免了昂贵的神经影像学或生物标志物测试。GNOVA在1,727名患者的数据集上实现了较低的平均绝对误差，展示了其在资源受限环境下的临床决策潜力。
-
新的图引导模型改进阿尔茨海默病分类
研究人员开发了新的图引导机器学习模型 UG-GEPSVM 和 IUG-GEPSVM，用于使用结构性 MRI 数据对阿尔茨海默病 (AD) 进行分类。这些模型通过构建捕获轻度认知障碍 (MCI) 样本几何结构的图来整合来自 MCI 受试者的信息。在 ADNI 数据集上的实验表明，这些新方法优于现有方法，其中 UG-GEPSVM 的平均 AUC 达到 88.07%，并在不同噪声水平下表现出稳定的性能。