深度规范建模使用多模式神经成像数据揭示了对早期阿尔茨海默病的洞察力

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 老年学是指老年学的学科.

背景情况:

• 早期发现阿尔茨海默病 (AD) 对干预和管理患者/家庭期望至关重要.
• 早期AD研究中的异质队列对传统建模构成挑战.
• 规范型建模量化了与健康大脑成像规范的个体偏差,有助于检测病理效应.

研究的目的:

• 应用基于深度学习的规范建模来检测非痴呆个体中微妙的,与AD相关的差异.
• 用多模态MRI数据调查与年龄相关的衰退,并识别异常模式.
• 探索规范建模在识别阿尔茨海默病风险较高的个体中的实用性.

主要方法:

• 使用深度学习规范模型,预先训练在英国生物库MRI数据上.
• 从EPAD队列的多模态MRI数据中计算出与健康人口规范的偏差.
• 分析了与认知表现,遗传风险和大脑区域有关的偏差.

主要成果:

• 总体的大脑偏差与认知能力和生物现象型相关.
• 在AD受影响的大脑区域,如海马体,观察到偏差.
• 与"超健康"队列相比",有风险"的个人随着时间的推移显示出明显增加的偏差.

结论:

• 深度规范建模有效地检测在非痴呆症,AD-at-risk个体中微妙的大脑形态差异.
• 规范性偏差指标显示出监测阿尔茨海默病进展的潜力.
• 这种技术有助于识别异质人群中的早期病理变化.