Alzheimer's disease
PulseAugur coverage of Alzheimer's disease — every cluster mentioning Alzheimer's disease across labs, papers, and developer communities, ranked by signal.
- used by Alzheimer's Disease Neuroimaging Initiative 90%
- instance of Tau PET Imaging in the NACC Study Cohort 90%
- instance of Alzheimer's Disease Neuroimaging Initiative 70%
- used by magnetic resonance imaging 70%
- used by Oasis 3 70%
- used by Tau PET Imaging in the NACC Study Cohort 70%
- used by tadpole 70%
- instance of tadpole 70%
- used by logistic regression model 70%
- used by mini–mental state examination 70%
- other Parkinson's 60%
- instance of magnetic resonance imaging 50%
18 天有情绪数据
-
新的AT-Attn框架通过多模态数据改进阿尔茨海默病诊断
研究人员开发了一个名为AT-Attn的新框架，用于改进阿尔茨海默病的诊断。这种时间感知多模态方法能够有效地整合结构性MRI数据和纵向临床信息，即使在MRI数据不一致或不可用时也能发挥作用。AT-Attn模型在一个包含1,520名患者的队列中表现出色，准确率达到0.719，ROC-AUC达到0.873，优于简单的融合方法。
-
人工智能助推足球运动员的在线形象，助力太空疾病研究
一家英国太空初创公司已将一个长寿实验室送入轨道，旨在收集数据以训练人工智能模型，预测与阿尔茨海默病和某些癌症等与年龄相关的疾病相关的蛋白质的行为。另外，互联网上充斥着关于足球运动员 Erling Haaland 的人工智能生成内容，模糊了运动员与其在线形象之间的界限。在另一个方面，喜剧演员 Pete Holmes 提倡忽略大量的电子邮件积压以维持工作与生活的平衡。
-
英国初创公司Mass Balance发射轨道实验室进行长寿研究
英国初创公司Mass Balance已通过SpaceX运输器将一个小型自主实验室送入轨道。该实验旨在收集微重力下细胞生长和蛋白质行为的数据，这可能改进Google的AlphaFold等AI模型。这些数据旨在通过克服对地研究的局限性，如对流和沉淀，帮助研究人员更好地理解和开发阿尔茨海默病和帕金森病等与衰老相关的疾病的治疗方法。
-
新型AI模型从MRI合成Tau-PET图像用于阿尔茨海默病研究
研究人员开发了SFL-Net，一个旨在从多对比度MRI扫描合成Tau-PET图像的新型框架。该方法利用现成的MRI数据，解决了用于阿尔茨海默病分期的Tau-PET成像的规模化挑战。SFL-Net分解潜在表示并保留解剖细节，在各种保真度和重建指标上优于基线模型，同时还提供增强的可审计性。
-
新的Emputation框架增强了神经插补模型
研究人员推出了一种新颖的深度生成框架Emputation，用于学习插补模型。该框架通过使用确保目标分布可识别性的特定缺失假设来指导训练，从而针对缺失变量的外推分布。Emputation利用基于能量得分的风险目标，并支持直接条件采样以进行多重插补，在模拟和实际应用（如阿尔茨海默病数据集）中表现出强大的性能。
-
经济学家发现过早退休与认知能力下降有关
国家经济研究局的一份新工作论文表明，过早退休可能导致认知能力显著下降。加州大学欧文分校的研究人员分析了 40,000 名参与者的数据，发现离开工作岗位与认知评分下降相关，而持续就业则能维持认知功能。这种认知能力下降不仅影响个人，还会带来巨大的经济成本，据估计，由于收入损失和护理费用，每年将达数千亿美元。
-
机器学习模型预测阿尔茨海默病早期阶段
研究人员开发了一种机器学习模型，利用阿尔茨海默病神经影像学计划 (ADNI) 数据集中的临床数据、神经心理学评分和神经影像学测量来预测阿尔茨海默病早期阶段。为解决缺失值和类别不平衡等挑战，该研究采用了迭代插补和 Borderline SVM-SMOTE，然后进行特征选择。训练了一个结合逻辑回归、Extra Trees、Bagging KNN 和 LightGBM 的堆叠集成模型，同时训练了一个人工神经网络，并使用精确率、召回率、F1 …
-
Axsome Therapeutics 股票因阿尔茨海默病药物获批而翻倍
Axsome Therapeutics 的股价在过去九个月翻了一番，市值达到 126 亿美元。这一显著增长主要归因于其药物 Auvelity 最近获得 FDA 批准，用于治疗阿尔茨海默病相关的激越。该公司专注于脑部疾病治疗，并历来为其研发提供自筹资金，其产品线也很丰富，有望在 2030 年前实现年度新药申请。
-
新框架解决动作识别中不完整的骨架数据问题
两篇新研究论文解决了将基于骨架的动作识别模型应用于现实世界场景的挑战。第一篇论文“PartialVisGraph”引入了一个超图框架来处理因视野受限导致的不完整骨架数据，在受限可见性设置下实现了显著的准确性提升。第二篇论文“Prior-Adaptive Transfer for Skeleton-Based Action Recognition (PATS)”提出了一种方法，通过选择性地保留相关的运动先验并过滤掉冗余的先验，来使通用的…
-
AI模型通过语音分析以90%的准确率检测阿尔茨海默病
研究人员开发了一种新颖的多视图门控图注意力网络，用于通过自发语音检测阿尔茨海默病（AD）。该模型从转录的音频中构建语义图、依赖图和共现图，并通过“内容-结构-流程”框架分析语音。一项关键创新是使用共现图中的点互信息（PMI）来评估叙事逻辑和语言偏差。该网络还采用自适应门控融合机制，动态整合这些不同的数据视图，以应对AD的临床异质性。在ADReSSo数据集上进行测试，该模型达到了90.00%的准确率，消融研究突显了基于PMI的图和门控机…
-
新的扩散自编码器使用非配对 MRI 数据模拟阿尔茨海默病进展
研究人员开发了一种新颖的条件扩散自编码器框架，称为 AD-DAE，旨在利用非配对纵向 MRI 扫描来模拟阿尔茨海默病进展。该方法创建了一个紧凑的潜在空间，该空间捕获语义信息并允许生成后续图像，而无需特定于受试者的纵向数据。该框架分离了进展和受试者身份，从而实现了与疾病特征和阿尔茨海默病特定区域相关的潜在空间的受控转移。
-
新的ENC-ODE模型使用神经ODE预测神经退行性疾病进展
研究人员开发了ENC-ODE，一种使用神经常微分方程预测神经退行性疾病进展的新方法。该方法对临床事件及其连续动态进行建模，以预测生物标志物的演变，解决了稀疏和不规则纵向数据的局限性。在阿尔茨海默病神经影像学计划数据集上的实验表明，ENC-ODE优于现有的序列模型，为临床支持提供了一个可扩展且有科学依据的工具。
-
AI 阿尔茨海默病检测的说法被揭穿：准确率 vs. AUC 解释
虽然 AI 在通过视网膜扫描检测阿尔茨海默病方面显示出潜力，但“93%准确率”的说法具有误导性。研究表明，AI 可以识别视网膜图像中的模式，视网膜是中枢神经系统的延伸，与阿尔茨海默病相关。然而，“93%准确率”是一个 AUC 指标，实际准确率根据研究和使用的设备不同，在 82% 到 89% 之间。此外，引用的庞大数据集通常用于预训练，实际的阿尔茨海默病训练集要小得多，而且该技术仍处于概念验证阶段，尚未获得 FDA 批准。
-
AI加速居家实验室的阿尔茨海默病药物发现
一名研究人员正在利用AI工具，在自家实验室开发一种潜在的阿尔茨海默病治疗方法。这项工作凸显了计算方法在加速药物发现方面的日益增长的能力，即使是在非传统研究机构之外进行的。
-
个人利用AI开发阿尔茨海默病药物
据报道，一位个人利用人工智能开发了一种治疗阿尔茨海默病的新型药物。该过程涉及一个人独立工作，表明去中心化或个人驱动的药物发现具有潜力。
-
AI 模型在通过 MRI 扫描诊断神经退行性疾病方面展现出潜力
研究人员开发了先进的深度学习框架，以提高使用 MRI 扫描诊断神经退行性疾病的准确性。一种名为 NeuroBridge 的方法采用多任务学习框架，将自监督预训练与特定的诊断目标相结合，在识别不同患者群体的阿尔茨海默病和轻度认知障碍等疾病方面取得了高精度。另一种模型 End-Net 采用深度多尺度神经网络，旨在捕捉细微的解剖学差异，用于神经系统疾病的多类别分类，表现出卓越的性能和泛化能力。这两种方法都旨在提高诊断的准确性和可及性，其中 …
-
新AI模型利用fMRI数据改进阿尔茨海默病预测
研究人员开发了一种新颖的SDE驱动的时空超图神经网络（SDE-HGNN），以改进使用纵向fMRI数据对阿尔茨海默病进展的建模。该框架通过重建连续的潜在轨迹和构建动态超图来捕捉复杂的时间交互作用，解决了不规则数据采样和缺失访视带来的挑战。该模型还通过基于稀疏性的学习机制识别重要的脑区和连接模式。在OASIS-3和ADNI队列上的实验表明，SDE-HGNN在预测AD进展方面优于现有的图和超图方法。
-
AI数字孪生以87%的准确率模拟阿尔茨海默病蛋白质扩散
研究人员开发了一个新颖的、基于算子学习的数据驱动框架，用于创建阿尔茨海默病的患者特异性数字孪生。该方法通过从临床影像数据中推断控制方程来模拟淀粉样蛋白-β和tau蛋白的进展。该系统在淀粉样蛋白-β方面达到了87%的准确率，在tau蛋白方面达到了81%，可用于优化个性化治疗策略。
-
中谷物流拟出售3艘船，价值超5.7亿元；华东医药药物试验获批
中谷物流计划通过公开拍卖或协议转让的方式出售“中谷20”、“中谷21”和“中谷成都”三艘集装箱船舶。预计总售价不低于5.7亿元人民币。此举旨在优化船队结构，提高节能船舶的比例。另外，华东医药子公司一款针对经典霍奇金淋巴瘤的ROR1靶向ADC药物获得临床试验批准，预计将增强公司在肿瘤领域的竞争力。
-
华东医药子公司获得新型抗癌药物临床试验批准
华东医药的全资子公司杭州中美华东制药已获得中国国家药品监督管理局关于其注射用HDM2005药物的临床试验批准。该药物是一种靶向ROR1的ADC，旨在与PD-1抗体和AD联合治疗经典霍奇金淋巴瘤。尽管这一进展有望增强公司的肿瘤学研发管线，但药物研发固有的不确定性意味着它不会对短期财务业绩产生重大影响。