通过功能连接性分析进行基于fMRI的阿尔茨海默病检测:系统性审查
Maitha Alarjani1, Badar Almarri1
1Department of Computer Science, King Faisal University, Alhsa, Saudi Arabia.
PeerJ. Computer science
|December 9, 2024
概括
早期发现阿尔茨海默氏病 (AD) 是至关重要的. 本综述分析了机器学习对fMRI功能连接数据 (2018-2024) 的分析,以改善AD诊断和患者护理.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 阿尔茨海默病 (AD) 是全球痴呆和记忆丧失的主要原因.
- 早期诊断AD对于及时的患者护理和症状管理至关重要.
- 像fMRI这样的非侵入性成像技术对于探索大脑连接至关重要.
研究的目的:
- 系统地审查使用fMRI数据集的功能连接来检测阿尔茨海默病的检测方法.
- 分析用于AD预测的机器学习管道,从数据预处理到算法应用.
- 为了确定当前的趋势和未来的研究方向在医学成像用于AD检测.
主要方法:
- 关于阿尔茨海默病检测fMRI研究的系统文献综述 (2018-2024年).
- 从fMRI数据中获得的功能连接特征的分析.
- 应用到AD预测的机器学习和深度学习算法的评估.
- 检查数据预处理,特征计算,提取和选择技术.
主要成果:
- 对fMRI数据的功能连接性分析显示,对阿尔茨海默病的检测有希望.
- 机器学习和深度学习模型越来越多地用于预测AD的发生.
- 该审查综合了各种分析方法的有效性研究结果.
结论:
- 准确和高效的早期发现阿尔茨海默病仍然是一个重大挑战.
- 机器学习和医学成像技术的进步为改善AD诊断提供了潜力.
- 需要进一步的研究来完善检测方法和克服临床障碍.
