手写是阿尔茨海默病预测的生物标志物:一种新的机器学习方法
Emanuele Nardone1, Claudio De Stefano1, Nicole Dalia Cilia2
1Department of Electrical and Information Engineering (DIEI), University of Cassino and Southern Lazio, Via G. Di Biasio 43, 03043, Cassino, Italy.
Computers in biology and medicine
|March 30, 2025
概括
分析单个手写的笔迹,而不是汇总的数据,可以改善早期发现阿尔茨海默氏症. 这种新的机器学习方法捕捉了微妙的运动变化,以更准确地预测认知衰退.
科学领域:
- 神经学 神经学
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 机器学习手写分析有助于阿尔茨海默病 (AD) 的诊断和进展预测.
- 传统的方法总结了手写特征,可能会丢失关键的细粒度运动信息.
研究的目的:
- 引入和评估一种新的中风级手写分析方法,以改善AD检测.
- 保存和分析细粒度的运动细节,以识别微妙的认知衰退指标.
主要方法:
- 开发了一种机器学习框架,分析单个手写的笔迹.
- 从174名参与者的34个任务中从纸上和空中运动中提取动态和静态特征.
- 采用分类,特征选择和整体方法 (基于排名,堆叠).
主要成果:
- 基于排名的组合使用所有功能实现了80.18%的准确性.
- 堆叠组合在空中运动中达到76.67%的准确性.
- 在24/34任务中,冲击级别分析的表现优于聚合方法,在指令下写句子具有很高的预测性.
结论:
- 脑中风级手写分析有效地模拟了早期AD诊断至关重要的微妙运动变化.
- 与传统的聚合特征方法相比,这种方法提供了增强的诊断价值.
- 个人运动模式分析具有预测认知衰退的巨大潜力.
更多相关视频
05:58Digital Handwriting Analysis of Characters in Chinese Patients with Mild Cognitive Impairment
Published on: March 11, 2021
09:47DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
Published on: December 15, 2023
