Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Alzheimer's Disease: Overview01:26

Alzheimer's Disease: Overview

Alzheimer's Disease (AD) is a continually advancing neurodegenerative disorder, distinguished by escalating memory loss, cognitive dysfunction, and dementia. The disease unfolds in three stages: preclinical, mild cognitive impairment (MCI), and dementia. Its onset is insidious, and the progression gradual, with the cause not well explained by other disorders.
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ and tau...
Alzheimer's Disease: Treatment01:22

Alzheimer's Disease: Treatment

Alzheimer's Disease (AD), a neurodegenerative disorder, is pathologically identified by amyloid plaques and neurofibrillary tangles composed of tau protein. AD pharmacotherapy aims to manage cognitive symptoms, delay disease progression, and treat behavioral symptoms. The treatment is primarily symptomatic and palliative, with no definitive disease-modifying therapy available. Cholinesterase inhibitors, including donepezil (Aricept), rivastigmine (Exelon), and galantamine (Razadyne), are...
Alzheimer Disease l: Introduction01:29

Alzheimer Disease l: Introduction

Alzheimer disease is a chronic, progressive, and irreversible neurodegenerative disorder and the most common cause of dementia in older adults. It leads to gradual neuronal loss, causing cognitive decline, behavioral changes, and loss of functional independence.Risk Factors and EtiologyThe disease is multifactorial. Age is the strongest risk factor, with prevalence doubling every 5 years after age 65. Genetic factors include mutations in genes such as APP, PSEN1, and PSEN2, which are associated...
Alzheimer Disease ll: Pathophysiology01:23

Alzheimer Disease ll: Pathophysiology

Alzheimer disease involves structural changes in the brain that begin long before symptoms appear. The most distinctive features are extracellular neuritic plaques and intracellular neurofibrillary tangles.Neuritic plaques form in the cerebral cortex and around blood vessels. These plaques contain a dense core of beta-amyloid (Aβ)—a toxic protein fragment that clumps outside neurons. The core is surrounded by damaged neuronal extensions, as well as reactive astrocytes and microglia. Abnormal...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Evaluating the Impact of 2D MRI Slice Orientation and Location on Alzheimer's Disease Diagnosis Using a Lightweight Convolutional Neural Network.

Journal of imaging·2025
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Jul 11, 2026

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
12:50

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly

Published on: April 14, 2014

Marco de aprendizaje profundo de doble flujo para la detección de la enfermedad de Alzheimer mediante la sonificación

Nadia A Mohsin1, Mohammed H Abdul Ameer2

  • 1Department of Computer Science, Faculty of Computer Science and Mathematics, University of Kufa, Najaf 54001, Iraq.

Journal of imaging
|January 27, 2026
PubMed
Resumen

Este estudio presenta la sonificación de RM para diagnosticar la enfermedad de Alzheimer (EA). La combinación de datos de RM de audio y visuales mejora significativamente la precisión diagnóstica de la EA y el deterioro cognitivo leve (DCL).

Palabras clave:
Enfermedad de AlzheimerRMaprendizaje profundomultimodalsonificación

Más Videos Relacionados

DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
09:47

DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data

Published on: December 15, 2023

Hybrid PET/MRI Imaging of Alzheimer's Disease Based on 18F-AV-1451
05:17

Hybrid PET/MRI Imaging of Alzheimer's Disease Based on 18F-AV-1451

Published on: April 18, 2025

Videos de Experimentos Relacionados

Last Updated: Jul 11, 2026

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
12:50

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly

Published on: April 14, 2014

DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
09:47

DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data

Published on: December 15, 2023

Hybrid PET/MRI Imaging of Alzheimer's Disease Based on 18F-AV-1451
05:17

Hybrid PET/MRI Imaging of Alzheimer's Disease Based on 18F-AV-1451

Published on: April 18, 2025

Área de la Ciencia:

  • Neurología
  • Imagen Médica
  • Inteligencia Artificial

Sus antecedentes:

  • La enfermedad de Alzheimer (EA) es un trastorno cerebral progresivo que afecta a millones de personas en todo el mundo, caracterizado por la pérdida de memoria y el deterioro cognitivo.
  • La resonancia magnética (RM) es una herramienta diagnóstica clave, pero los métodos actuales utilizan principalmente datos visuales, sin tener en cuenta otras características potenciales.
  • Es crucial explorar métodos novedosos para mejorar el diagnóstico de la EA para la intervención temprana y el manejo del paciente.

Objetivo del estudio:

  • Investigar el potencial diagnóstico de la sonificación de RM como un enfoque complementario a los métodos convencionales basados en imágenes para la enfermedad de Alzheimer.
  • Desarrollar y evaluar un novedoso marco multimodal de doble flujo que integra cortes de RM 2D y sus representaciones de audio.

Principales métodos:

  • Se desarrolló un novedoso marco multimodal de doble flujo, que transforma cortes de RM 2D en señales de audio utilizando el filtrado de Gabor y una curva de llenado del espacio de Hilbert.
  • El marco procesó modalidades de imagen y audio utilizando una red neuronal convolucional (CNN) y YAMNet, respectivamente.
  • La fusión de datos se logró mediante regresión logística para combinar características de ambas modalidades.

Principales resultados:

  • El marco multimodal logró una alta precisión en la distinción entre sujetos con enfermedad de Alzheimer (EA) y sujetos cognitivamente normales (CN) (98,2%).
  • El sistema demostró un sólido rendimiento en la diferenciación de EA de deterioro cognitivo leve (DCL) (94%) y DCL de CN (93,2%).

Conclusiones:

  • La sonificación de RM ofrece una nueva vía prometedora para extraer información diagnóstica complementaria de los datos de imagen.
  • Este enfoque resalta el potencial de la transformación de audio de datos de imagen para mejorar la extracción de características y la clasificación en trastornos neurológicos.
  • El marco multimodal desarrollado muestra un potencial significativo para mejorar la precisión del diagnóstico de la enfermedad de Alzheimer.