相关实验视频
Updated: Jan 7, 2026
05:17
Hybrid PET/MRI Imaging of Alzheimer's Disease Based on 18F-AV-1451
Published on: April 18, 2025
751
在阿尔茨海默氏症中使用半监督多模式成像数据融合研究粉样蛋白-Tau-神经退化框架
You Cheng1,2, Adrián Medina1,3, Cole Korponay1,2
1McLean Imaging Center, McLean Hospital, Belmont, MA, USA.
medRxiv : the preprint server for health sciences
|December 25, 2025
概括
这项研究使用了一种新的融合方法来结合大脑成像数据,改善阿尔茨海默病 (AD) 诊断和APOE4状态的预测. 这些发现揭示了关键模式,将粉样蛋白和陶异常与认知衰退联系起来.
科学领域:
- 神经成像是一种神经成像.
- 生物标志物 生物标志物
- 计算神经科学是一种神经科学.
背景情况:
- 阿尔茨海默病 (AD) 的诊断和预后因其异质性而复杂化.
- 粉样神经退行 (A-T-N) 框架为改善诊断预测提供了一个潜在的途径.
- 识别连接ATN异常的模式对于更好的临床结果至关重要.
研究的目的:
- 应用半监督的多式联络数据融合方法 (SuperBigFLICA) 来预测阿尔茨海默病的认知衰退和临床诊断.
- 为了比较融合方法与传统方法的预测性能.
- 发现与ATN负担和临床状态相关的可解释的成像模式.
主要方法:
- 将SuperBigFLICA应用到274名ADNI-3参与者的多式数据 (灰质密度,皮质厚度,表面积,粉样PET,PET) 上.
- 训练模型来导出潜在的成分预测认知衰退.
- 使用LASSO对受试者负载的逻辑回归来预测诊断和APOE4状态,与基线模型进行比较.
主要成果:
- 基于超大FLICA (SBF) 负载的模型在预测诊断 (AUROC = 0.80) 和APOE4状态 (AUROC = 0.83) 中明显优于基线模型.
- 感官区域的粉样蛋白变化是区分痴呆症的关键,而多式ATN模式与早期认知衰退有关.
- 对这些模式的受试者负载与脑脊液 (CSF) 生物标志物相关,将空间ATN负载与CSFAD生物标志物联系起来.
结论:
- 使用SBF的半监督多式融合增强了在阿尔茨海默病中对临床诊断和APOE4状态的预测.
- 该方法揭示了可解释的成像模式,比传统方法更好地预测结果.
- 这些发现强调了先进的数据融合技术在理解AD异质性和提高诊断准确性的有用性.
