将预定义与深度学习方法进行比较,用于提取脑缩模式,以预测患有轻度认知症状的患者因阿尔茨海默病而导致的认知衰退
Ida Arvidsson1, Olof Strandberg1, Sebastian Palmqvist1
1Lund University.
Research square
|November 21, 2023
概括
使用MRI预测阿尔茨海默氏病的进展至关重要. 深度学习模型没有超过使用特定大脑区域来预测轻度认知障碍患者认知衰退的传统方法.
科学领域:
- 神经成像是一种神经成像.
- 神经学 神经学
- 机器学习 机器学习
背景情况:
- 预测主观认知衰退 (SCD) 或轻度认知障碍 (MCI) 患者的阿尔茨海默病 (AD) 进展对于患者护理至关重要.
- 通过MRI进行结构性脑成像可能会提高对认知衰退的预测准确度.
- 使用整个大脑图像与预定义区域用于AD预测的深度学习 (DL) 模型的有效性仍然不清楚.
结论:
- 与使用单个预定义的大脑区域的回归模型相比,深度学习模型没有显著提高阿尔茨海默病临床疾病进展的预测.
- 结合特定大脑区域体积的传统模型显示,对AD进展和认知衰退的预测有显著的改善.
