Predi Pwogresyon Maladi alzayme a lè l sèvi avèk apwòch aprantisaj pwofon milti-modal

Garam Lee^1,2, Kwangsik Nho^3,4 et al

Maladi alzayme a(AD) se yon kondisyon neurodegenerative pwogresif ki make pa yon bès nan fonksyon mantal ki pa gen okenn tretman valide pou modifye maladi. Li enpòtan pou tretman alè detekteADnan etap pi bonè li anvan manifestasyon klinik la. Defisyans kognitif twò grav (MCI) se yon etap entèmedyè ant adilt ki pi gran kognitif nòmal akAD. Pou predi konvèsyon soti nan MCI nan AD pwobab, nou aplike yon apwòch aprantisaj pwofon, yon rezo neral frekan multimodal. Nou devlope yon kad entegre ki konbine non sèlman kwa-seksyonèl biomaking neroimaj nan debaz, men tou longitudinal likid serebrospinal (CSF) ak byomarkè pèfòmans mantal yo jwenn nanMaladi alzayme aKowòt Inisyativ Neuroimaging (ADNI). Fondasyon pwopoze a entegre done milti-domèn longitudinal. Rezilta nou yo te montre ke 1) modèl prediksyon nou an pou konvèsyon MCI aADbay jiska 75 pousan presizyon (zòn anba koub la (AUC)=0.83) lè w ap itilize yon sèl mòd done separeman; ak 2) modèl prediksyon nou an te reyalize pi bon pèfòmans ak 81 pousan presizyon (AUC=0.86) lè li te enkòpore done milti-domèn longitudinal. Yon apwòch aprantisaj pwofon milti-modal gen potansyèl pou idantifye moun ki riske devlope AD ki ta ka benefisye pi plis nan yon esè klinik oswa kòm yon apwòch stratifikasyon nan esè klinik yo.

Kontakte:joanna.jia@wecistanche.com/ WhatsApp: 008618081934791

cistanche ekstrè poud pdfpouAD

Maladi alzayme a(AD) se yon maladi irevokabl, pwogresif neurodegenerative karakterize pa akimilasyon nòmal nan plak amiloid ak tangle neurofibrillary nan sèvo a, sa ki lakòz pwoblèm ak memwa, panse, ak konpòtman.ADse fòm ki pi komen nan demans ki pa gen okenn tretman valide pou modifye maladi. An 2018, apeprè 5.7 milyon Ameriken ap viv ak AD. Pa 2050, yo prevwa nimewo sa a ap monte a prèske 14 milyon1. Aktyèlman tretman ki disponib ralanti sèlman pwogresyon nan AD epi pa gen okenn tretman ki devlope jiska prezan ka geri yon pasyan ki deja nan AD. Kidonk, li enpòtan anpil pou tretman alè ak reta pwogresyon pou devlope estrateji pou deteksyon AD nan premye etap anvan manifestasyon klinik la. Kòm yon rezilta, konsèp nan defisyans mantal modere (MCI) te prezante. MCI, yon fòm prodromal nanAD, se defini pou dekri moun ki gen sentòm modere nan fonksyone byen nan sèvo men ki ka toujou fè travay chak jou. Pasyan ki nan faz MCI yo gen plis risk pou yo pwogrese nan demans1-4. Gen kèk pasyan ki nan etap MCI yo konvèti nan AD nan yon limit nan fennèt tan an apre debaz, pandan ke kèk pa yo. Yo te rapòte ke pasyan MCI yo pwogrese nan AD nan yon pousantaj de 10 pousan a 15 pousan pa ane ak 80 pousan nan pasyan MCI sa yo pral konvèti nan AD apre apeprè sis ane nan swiv-up5,6. Li se yon sijè kontinyèl nan mitan chèchè ki gen rapò ak AD yo idantifye byomarkè ki klasifye pasyan ki gen MCI ki pita pwogrese nan AD (MCI konvètisè) soti nan moun ki gen MCI ki pa pwogrese nan AD (MCI ki pa konvèti).

Yo te aplike plizyè metòd aprantisaj machin pou idantifye biomarqueurs pou prediksyon konvèsyon MCI ak amelyore pèfòmans yo. Machin vektè sipò (SVM) se youn nan metòd yo itilize souvan pou rezoud pwoblèm klasifikasyon. Anpil etid aplike SVM pou prediksyon konvèsyon MCI 7–12. Multi-tach aprantisaj ansanm ak SVM te itilize pou idantifyeAD-karakteristik ki enpòtan, ki montre 73.9 pousan presizyon, 68.6 pousan sansiblite, ak 73.6 pousan specifcity7. Pou itilize matyè adisyonèl, yon metòd aprantisaj transfè domèn yo sèvi ak echantiyon oksilyè tankouADak kognitif nòmal granmoun granmoun (CN) sijè, osi byen ke sijè MCI, te montre 79.4 pousan presizyon, 84.5 pousan sansiblite, ak 72.7 pousan espesifik8. Yo te itilize yon analiz diskriminan lineyè (LDA) ki baze sou done epesè cortical ki montre 63 pousan sansiblite ak 76 pousan espesifik13. Anplis de sa, entegrasyon done milti-modalite amelyore pèfòmans pou prediksyon konvèsyon MCI lè li ekstrè biomake konplemantè ki gen rapò ak AD nan chak modalite. Serebrospinal likid (CSF), MRI, ak byomarkè pèfòmans mantal yo te konbine, sa ki lakòz 68.5 pousan presizyon 53.4 pousan sansiblite, ak 77 pousan espesifik14,15. Ansanm ak byomarkè MRI ak CSF, estati APOE ε4 te entegre16.

Nan etid sa a, yo nan lòd yo predi konvèsyon MCI nan AD, nou pwopoze yon metòd rezo neral renouvlab multimodal, yon apwòch aprantisaj pwofon, ki baze sou entegrasyon enfòmasyon demografik, biomaketè CSF longitudinal, pèfòmans mantal lonjitidinal, ak byomarkè neroimaging kwa-seksyonèl nan debaz jwenn nanMaladi alzayme aKowòt Inisyativ Neuroimaging (ADNI). Metòd aprantisaj pwofon nou an pwopoze a ka enkòpore done miltip domèn longitudinal epi pran done longitudinal varyab pou pran karakteristik tanporèl nan plizyè moman. An patikilye, echantiyon ki pa sipèpoze, osi byen ke echantiyon ki sipèpoze soti nan chak done, yo ka itilize yo bati yon modèl prediksyon.

Rezilta yo

Patisipan etid yo.

Tout moun ki te itilize nan analiz la te patisipan yoMaladi alzayme aInisyativ Neuroimaging (ADNI)17,18. Objektif jeneral ADNI se teste si seri imaj sonorite mayetik (MRI), tomografi emisyon pozisyon (PET), lòt makè byolojik, ak evalyasyon klinik ak nerosikolojik ta ka konbine pou mezire pwogresyon MCI ak bonè AD. Enfòmasyon demografik, done analiz kri neroimaging, jenotip APOE, mezi CSF, nòt tès nerosikolojik, ak enfòmasyon dyagnostik yo disponib piblikman nan depo done ADNI (http://adni.loni.usc.edu). Yo te jwenn konsantman enfòme pou tout matyè yo, epi etid la te apwouve pa komite revizyon enstitisyonèl ki enpòtan nan chak sit akizisyon done (pou enfòmasyon ajou, gade http://adni.loni.usc.edu/wp-content/ themes/freshnews-dev-v2/ documents/policy/ADNI_Rekonesans_Lis pousan 205-29-18.pdf). Tout metòd yo te fèt an akò ak direktiv ki enpòtan yo ak règleman yo. Nan etid sa a, yo te itilize yon total de 1,618 patisipan ADNI ki gen laj 55 a 91, ki gen ladan 415 kontwòl kognitif nòmal granmoun aje (CN), 865 MCI (307 MCI konvètisè, ak 558 MCI ki pa konvèti), ak 338. Pasyan AD (Tablo 1).

Nou te itilize kat diferan kalite, oswa mòd done: enfòmasyon demografik, fenotip neuroimaging mezire pa MRI, pèfòmans mantal, ak mezi CSF. Enfòmasyon demografik yo enkli laj, sèks, ane edikasyon, ak estati APOE ε4. Pèfòmans kognitif gen ladan nòt konpoze pou fonksyone egzekitif (ADNI-EF) ak memwa (ADNI-MEM) ki sòti nan batri nerosikolojik ADNI a lè l sèvi avèk teyori repons atik jan sa dekri an detay yon lòt kote19. Biomarkers CSF pou AD gen ladan amiloid- 1-42 peptide (A 1-42), total tau (t-tau), ak tau fosforilasyon nan threonine 181 (p-tau). Biomarkers neroimaging ki gen rapò ak AD yo mezire pa MRI gen ladan volim ipokanp ak epesè kortikal entorhinal.

cistanche GINSENG tubulosa

Anviwònman eksperimantal.

Pou evalye pèfòmans ak efikasite metòd aprantisaj pwofon lonjitidinal milti-modal nou te pwopoze a, nou te itilize twa konplo e nou te konpare pèfòmans yo (Tablo 2). Nan eksperyans yo te rele "debaz la", 4 done modalités nan vizit debaz la (pèfòmans kognitif, CSF, enfòmasyon demografik, ak MRI) yo te enkòpore. Nan "sèl modal", se sèlman done lonjitidinal pèfòmans mantal yo te itilize pou prediktè a (nou te eseye tout lòt modal sèl, ak pèfòmans nan ak nòt mantal te pi bon an). Finalman, kat modalités done longitudinal yo te konbine epi itilize pou fòme klasifikasyon nan eksperyans ki make kòm "pwopoze". Tablo 3 montre estatistik rezime chak modalité done ak ipèparamèt yo itilize pou fòmasyon GRU yo.

Pou fòmasyon modèl nou yo, yo itilize matyè nan gwoup CN ak AD ansanm ak MCI-C ak MCI-NC. Apwòch sa a motive pa 8,10,11,20–22. Yo sèvi ak matyè CN ak AD pou fòme yon klasifikasyon tankou SVM23 oswa lokalman lineyè embedding (LLE)24, ak Lè sa a, klasifikasyon an itilize pou klasifikasyon MCI-C ak MCI-NC. Nan eksperyans nou an, CN ak AD yo itilize kòm yon seri done oksilyè pou pre-antrene klasifikasyon an, ak Lè sa a, MCI-C ak MCI-NC yo itilize tou pou fòmasyon.

Nou teste klasifikatè a sou pasyan MCI pou predi konvèsyon an apre Δt soti nan debaz (6, 12, 18, ak 24 mwa) jan yo montre nan Fig. 1. Akòz nati done nou yo, gwosè echantiyon ki disponib pou fòmasyon varye sou Δt ( Fig. 2). Pou egzanp, si AD rive bonè nan vizit debaz la, Lè sa a, nou gen relativman mwens echantiyon fòmasyon paske nou gen yon fenèt done ki pi piti pou predi. Nan chak tan prediksyon (Δt), nou te kouri 5-pliye kwa-validasyon 10 fwa kote chak pliye gen menm rapò ak MCI-C ak MCI-NC sijè. Echantiyon MCI yo te divize an 5 sou-ansanm, epi yo te chwazi yon sèl pou fè tès, pandan y ap rès sous-ensembles yo te itilize pou fòmasyon.

Konparezon prediksyon MCI nan konvèsyon AD lè l sèvi avèk done kwa-seksyonèl nan debaz ak done longitudinal.Pou evalye avantaj ki genyen nan lè l sèvi avèk done longitudinal, nou premye konpare pèfòmans yo nan de rapid: "debaz" ak "pwopoze" (figi 3 ak 4). Entwisyon, done ki soti nan plizyè pwen tan gen plis enfòmasyon pase done nan yon sèl pwen tan. Se konsa, GRU analize chanjman tanporèl nan pèfòmans mantal ak CSF pou ekstrè karakteristik (ki pa genyen nan done vizit debaz) pou prediksyon konvèsyon MCI ki kòrèk la. Jan yo montre nan Tablo 4 (a, b), modèl prediksyon ki baze sou done longitudinal montre pi bon pèfòmans pase modèl la lè l sèvi avèk sèlman done kwa-seksyonèl nan debaz. An patikilye, sansiblite se yon mezi enpòtan pou travay prediksyon an, kote idantifye to pozitif la se yon bagay enpòtan25. Nan prediksyon konvèsyon MCI a, yon klasifikatè ki gen yon to pozitif vre ki pi wo pi aplikab pou tretman alè.

Konparezon prediksyon MCI an AD konvèsyon lè l sèvi avèk yon sèl done modal ak multimodal.Pou evalye efikasite entegrasyon done multimodal, nou konpare pèfòmans eksperyans "pwopoze" ak "sèl modal". Figi 3 montre presizyon yo nan "pwopoze" ak modèl ak yon sèl modalite nan done. Nou retire presizyon nan modèl la ak done demografik paske pèfòmans prediksyon an te twò ba. Yo te obsève modèl la ki sèvi ak pèfòmans mantal yo se pi egzak la nan mitan modèl ki itilize chak mòd done sèl. Menm si gwosè echantiyon an pou done neuroimaging te pi gwo pase sa yo ki nan pèfòmans mantal ak biomarkers CSF (Fig. 3), modèl la ak done neuroimaging te montre mwens presizyon. Sa a se paske pèfòmans mantal se done longitudinal ki pran avantaj de bay dosye done relativman pi pre pwen konvèsyon MCI. Sepandan, yon modèl ak pèfòmans mantal montre yon divèjans trè wo nan sansiblite pou predi 18 ak 24 mwa. Li obsève ke modèl sèlman ak pèfòmans mantal pa yon prediktè ki estab pou yon peryòd tan nan prediksyon pandan y ap entegre lòt biomarkers ka soulaje divèjans nan segondè pwopoze.

Diskisyon

Nou pwopoze yon apwòch entegre pou prediksyon MCI an AD konvèsyon lè l sèvi avèk yon apwòch aprantisaj pwofon, plis espesyalman, yon rezo neral frekan milti-modal. Metòd nou an pran avantaj de nati longitudinal ak milti-modal done ki disponib pou dekouvri modèl ki pa lineyè ki asosye ak pwogresyon MCI. Pou evalye avantaj ki genyen nan metòd pwopoze nou an, nou konpare rezilta pèfòmans nan twa plan: "debaz", "sèl modal", ak "pwopoze". Jan yo obsève nan Fig. 4, "debaz" ak "sèl modal" ak biomaketè tès mantal yo montre pèfòmans menm jan an sou peryòd prediksyon. Sèvi ak done longitudinal oswa konbine done multimodal yo se fason efikas pou ogmante pouvwa prediksyon konsa, li sanble natirèl pou konbine done multimodal longitudinal ("pwopoze") pou montre pi bon pèfòmans. Nan tablo 5, jan yo prevwa plis peryòd, fyab nan amelyorasyon pèfòmans pi ba akòz mank nan echantiyon pozitif. Sepandan, espesifikasyon modèl yo pwopoze a te montre pèfòmans amelyore sou metòd konpetisyon yo toujou. Anplis de sa, rezilta prediksyon modèl nou an te konpare ak sa yo nan etid anvan yo ak apwòch aprantisaj machin (Tablo 6). Metòd nou an te montre kapasite prediksyon konparab menm si nou te gen yon rapò trè dezekilib nan echantiyon pozitif ak negatif. Espesyalman, sansiblite nan modèl nou an montre pi wo pèfòmans pandan y ap espesifik pi ba. Anplis, Te balanse presizyon26, ki se yon mezi presizyon konsidere sansiblite a ak espesifik montre 0.82 pou modèl nou an ak 0.81 pou27.

Avantaj nan pi gwo nan apwòch nou an se ke done iregilye longitudinal yo ka itilize. Youn nan pwoblèm ki pi gwo yo lè w ap fè fas ak done longitudinal se ke yon etap pre-pwosesis obligatwa pou manyen longè varyab nan done sekans ak valè ki manke yo. Nan etid anvan yo, yo te kolekte longè tan fiks yo lè yo te pran done ki te tonbe nan yon sèten fenèt tan. Anplis de sa, yon faz ekstraksyon karakteristik adisyonèl oblije pwodui yon reprezantasyon karakteristik gwosè fiks. Nan premye etap fòmasyon an, eleman GRU separe fè yon pwosesis kodaj, kote done longitudinal yo transfòme nan yon vektè ki gen karakteristik AD-sansib. Tank nan estrikti a nan GRU, apwòch nou an se kapab aksepte nenpòt longè iregilye nan done kòm yon opinyon san yo pa pre-pwosesis.

Anplis de sa, metòd nou an ka sèvi ak tout matyè ki disponib nan chak modalite pou fòmasyon klasifikasyon nou an. Sa a se yon gwo avantaj nan fè fas a rate done. Jan yo wè nan Fig. 2, kantite sijè ki gen done CSF se pi piti a nan echantiyon an sipèpoze. Apwòch tradisyonèl yo ka itilize sèlman echantiyon ki sipèpoze yo pandan y ap abandone echantiyon ki pa sipèpoze yo. Nan ka nou an, echantiyon ki pa sipèpoze kontribye nan fòmasyon eleman GRU endividyèl li fè pati pou pi bon aprantisaj reprezantasyon. Anplis de sa, done modal adisyonèl yo fasil entegre nan modèl la. Kontrèman ak entegrasyon ki baze sou nwayo a, metòd entegrasyon ki baze sou konkatènasyon an ka enkòpore lòt domèn done tankou neuroimaging milti-modal ak done jenomik san okenn konesans anvan. Kidonk, apre sa, nou pral entegre neroimaj milti-modal ak done jenomik pou aprann karakteristik ki ta ka itil nan predi konvèsyon MCI bonè nan AD.

Malgre ke gen kèk fòs jan sa dekri pi wo a, apwòch nou an gen kèk limit. Nan premye etap fòmasyon an, opinyon chak modalite yo te transfòme nan yon vektè karakteristik ki optimize pou prediksyon konvèsyon MCI sèlman pa yon sèl modalite. Se konsa, karakteristik ki pa gen rapò ak pwogresyon AD ki gen rapò ak mòd nan sèl yo pral filtre deyò. Sepandan, si gen karakteristik ki pa ka ekstrè pa yon sèl modalite men sèlman ka eksplike pa yon konbinezon de milti-modalite nan done Lè sa a, sa yo tou gen chans rive nan filtre deyò. Sa a se paske paramèt nan GRU yo pa mete ajou kont rezilta final prediksyon an. Nan lòt mo, optimize paramèt pou dezyèm etap fòmasyon an pa afekte paramèt yo nan chak GRU pou fè ekstraksyon karakteristik, kidonk chak GRU pa ka aprann nan prediksyon final la ki baze sou karakteristik konbine yo. Pou rezoud pwoblèm sa a, nou pral lyen GRU yo ak regression lojistik nan dezyèm etap la pou GRU aprann reprezantasyon karakteristik nan milti-modalite osi byen ke yon sèl modalite. Anplis de sa, nou planifye modifye estrikti modèl nou an ki fè li posib pou eleman GRU endividyèl yo ekstrè karakteristik entegre. Kounye a nou ap mennen ankèt sou posibilite sa a kòm yon fen nan travay sa a.

Metòd

Rezo neral frekan.

Recurrent Neural Network (RNN) se yon klas achitekti aprantisaj pwofon yo itilize lè yo ka konsidere done sekans. Nan pwosesis langaj natirèl (NLP), rekonesans lapawòl, ak deteksyon anomali nan seri tan, RNN se popilè pou analize sekans mo ak done seri tan28. Avantaj nan aplike RNN se ke sekans varyab longè ka trete pou eksplwate modèl tanporèl kache.

nan sekans yo bay la. Nan travay analiz santiman an, pou egzanp, objektif la se klasifye santiman an (bon oswa move) nan yon fraz bay yo. Klasifikasyon an bezwen pran yon fraz (yon sekans mo) kòm yon opinyon, konprann kontèks la ladan l, epi retounen yon santiman kòrèk kòm yon pwodiksyon29. Pou travay prediksyon an ki detekte premye dyagnostik ensifizans kadyak nan 30, RNN pran seri tan nan dosye sante elektwonik (EHR) lè l sèvi avèk yon fenèt obsèvasyon 12 a 18-mwa. Nan ka sa yo kote yo ta dwe trete D 'longè varyab ak RNN ​​se yon kandida ki apwopriye yo itilize.

Yon RNN trete yon sèl eleman nan yon sekans antre nan yon moman epi mete ajou eta memwa li ki implicite gen enfòmasyon sou istwa a nan tout eleman ki sot pase yo nan sekans lan31. Eta kache a reprezante kòm yon vektè Euclidean (sètadi, yon sekans nonm reyèl) epi li mete ajou rekursivman soti nan opinyon an nan etap yo bay la ak valè anvan an nan eta kache a (Fig. 5). Sipoze nou gen N kantite matyè, yo chak gen yon sekans … … x xxx { ,,,,, } nn nan Tn 1 2 kote xin se yon dosye done n-yèm echantiyon ak t-eleman an. nan yon sekans epi T se longè sekans lan. Se sekans korespondan pwodiksyon an kalkile yon fason recursiv:

Nan modèl nou an, dènye sekans pwodiksyon RNN bay la trete kòm vektè pwobabilite pou klasifikasyon, epi fonksyon pèt kwa-entropi (ekwasyon (3)) yo itilize pou mezire ki jan "byen lwen" n-yèm prediksyon nou an ye. n-yèm etikèt verite tè a pous. Sa vle di, nou chwazi paramèt optimal ⁎ ⁎ ⁎ W, W, W hxy ki minimize pèt kwa-entropi done yo bay yo (ekwasyon (4)). Algorithm nou itilize pou optimize paramèt yo se Backpropagation Through Time (BPTT)32, ki mete ajou pwa yo nan RNN pou minimize fonksyon pèt yo bay la. Sepandan, lè travay la mande pou trete sekans long nan opinyon, fòmasyon yon RNN difisil33. Yo rele sa pwoblèm depandans alontèm. Variant RNN tankou Long Short-Term Memory (LSTM) ak Gated Recurrent Unit (GRU) yo te devlope epi pratikman itilize pou rezoud pwoblèm sa a34,35. Nan modèl yo pwopoze a, nou itilize GRU pou chak mòd done pou trete plizyè pwen tan nan opinyon an. Estrikti detaye GRU yo dekri nan siplemantè a.

GRU milti-modal pou prediksyon konvèsyon MCI.

Pwoblèm nou an ka konsidere kòm yon klasifikasyon done sekans. Objektif klasifikasyon an se predi si yon moun ki gen MCI nan debaz konvèti an AD oswa si li pa sèvi ak done sekans, ki gen ladann kat modalités ki gen ladan pèfòmans mantal, CSF, ak byomarkè MRI ansanm ak enfòmasyon demografik. Menm si done demografik ak byomarkè MRI yo pa done longitudinal nou pral konsidere yo kòm longè-yon done sekans.

Pou aplike yon algorithm klasifikasyon ki baze sou GRU nan pwoblèm nou an, nou bezwen konsepsyon yon modèl ki ka enkòpore kat modalités done yo. Lide prensipal la nan modèl nou an se separeman bati èkstraktè karakteristik GRU pou chak modalite ak entegre ekstrè kat vektè karakteristik yo nan fen an. Modèl nou an gen de etap fòmasyon: (1) aprann yon sèl GRU pou chak mòd done, ak (2) aprann reprezantasyon karakteristik entegre a pou fè prediksyon final la. Nan premye etap fòmasyon an, yon sèl GRU resevwa fòmasyon separe pou chak modalite kote objektif klasifikasyon an se predi konvèsyon an AD soti nan MCI. Sèvi ak GRU esansyèl pou pran done longitudinal epi transfòme yo nan yon vektè gwosè fiks. Sa a se byen menm jan ak apwòch la pwopoze nan36 ki kat sekans antre nan reprezantasyon longè fiks. Nan dezyèm etap la, yo prevwa konvèsyon MCI ki baze sou kat vektè ki pwodui nan chak eleman GRU. Pou fusion kat-vektè, nou chwazi entegrasyon done ki baze sou konkatènasyon, ki se konseptyèlman metòd ki pi senp pou entegre plizyè sous done nan yon sèl vektè37. Pou prediksyon final la, yo itilize l1-regression lojistik regilarize38 pou klasifikasyon ant MCI-C ak MCI-NC. Apèsi sou metòd nou pwopoze a montre nan Fig. 6.

Konklizyon

Isit la, nou pwopoze yon apwòch aprantisaj pwofon milti-modal pou etidye prediksyon MCI nan konvèsyon AD lè l sèvi avèk pèfòmans mantal lonjitidinal ak byomaketè CSF ansanm ak neroimaj transvèsal ak done demografik nan debaz. Nou te aplike plizyè GRU pou itilize done milti-domèn lonjitidinal ak tout matyè ak chak done mòd. Rezilta nou yo te montre ke nou te reyalize pi bon presizyon prediksyon MCI an AD konvèsyon lè nou enkòpore done milti-domèn longitudinal. Yon apwòch aprantisaj pwofon milti-modal gen potansyèl pou idantifye moun ki riske devlope AD ki ta ka benefisye pi plis nan yon esè klinik oswa kòm yon apwòch stratifikasyon nan esè klinik yo.

ki kote mwen ka achte sipleman cistanchepou anpeche ak treteMaladi alzayme a, klike isit la pou yon echantiyon

Referans

1. alzayme a, A. 2015 reyalite ak figi maladi alzayme a. Alzheimer's Dement 11, 332–384 (2015).

2. Albert, MS et al. Dyagnostik de defisyans mantal twò grav akòz maladi alzayme a: rekòmandasyon nan gwoup travay Enstiti Nasyonal pou Aging-Alzheimer's Association sou direktiv dyagnostik pou maladi alzayme a. Maladi alzayme a 7, 270–279

3. Jack, CR Jr et al. Entwodiksyon nan rekòmandasyon yo nan gwoup travay Enstiti Nasyonal sou Aging-Alzheimer's Association sou direktiv dyagnostik pou maladi alzayme a. Alzheimer's Dement 7, 257–262,

4. Sperling, RA et al. Nan direksyon pou defini etap preklinik maladi alzayme a: rekòmandasyon nan gwoup travay Enstiti Nasyonal sou Aging-Alzheimer's Association sou direktiv dyagnostik pou maladi alzayme a. Maladi alzayme a 7, 280–292.

5. Petersen, RC et al. Defisyans mantal twò grav: karakterizasyon klinik ak rezilta. Achiv newoloji 56, 303-308 (1999).

6. Tábuas-Pereira, M. et al. Pwonostik defisyans kognitif twò bonè ak defizyon byen bonè: konparezon pousantaj konvèsyon ak prediktè li yo. Jeryatrik 1, 11 (2016).

7. Zhang, D., Shen, D. & Alzheimer's Disease Neuroimaging, I. Multi-modal milti-travay aprantisaj pou prediksyon jwenti nan regresyon miltip ak varyab klasifikasyon nan maladi alzayme a. Neuroimage 59, 895–907,

8. Cheng, B., Liu, M., Zhang, D., Munsell, BC & Shen, D. Aprantisaj Transfè Domèn pou Prediksyon Konvèsyon MCI. IEEE Trans Biomed Eng 62, 1805–1817.

9. Zhang, D., Shen, D. & Inisyativ, ASDN Predi chanjman klinik nan lavni nan pasyan MCI lè l sèvi avèk biomarkers longitudinal ak multimodal. PloS one 7, e33182 (2012).

10. Nho, K. et al. Otomatik Prediksyon Konvèsyon soti nan defisyans kognitif twò grav nan maladi alzayme pwobab lè l sèvi avèk estriktirèl Imaging sonorite mayetik. AMIA Annu Symp Proc 2010, 542–546 (2010).

11. Wee, CY, Yap, PT, Shen, D. & Alzheimer's Disease Neuroimaging, I. Prediksyon maladi alzayme a ak defisyans kognitif lejè lè l sèvi avèk modèl mòfolojik kortik. Hum Brain Map 34, 3411–3425,

12. Wolz, R. et al. Analiz milti-metòd imaj MRI nan dyagnostik bonè maladi alzayme a. PLoS One 6, e25446

13. Cho, Y., Seong, JK, Jeong, Y., Shin, SY & Alzheimer's Disease Neuroimaging, I. Klasifikasyon sijè endividyèl pou maladi alzayme a ki baze sou aprantisaj incrémentielle lè l sèvi avèk yon reprezantasyon frekans espasyal nan done epesè kortik. Neuroimage 59, 2217–2230, https://doi.org/10.1016/j.neuroimage.2011.09.085 (2012).

14. Kim, D. et al. Yon entegrasyon ki baze sou graf nan done Imaging nan sèvo multimodal pou deteksyon an nan Defisyans kognitif bonè bonè (E-MCI). Multimodal Brain Image Anal (2013) 8159, 159–169,

15. Ewers, M. et al. Prediksyon konvèsyon soti nan defisyans mantal modere nan maladi alzayme a demans ki baze sou byomarkè ak pèfòmans tès nerosikolojik. Neurobiol Aging 33, 1203-1214,

(2012).

16. Heister, D. et al. Predi rezilta MCI ak byomarkè MRI ak CSF ki disponib nan klinik. Newoloji 77, 1619–1628

17. Saykin, AJ et al. Etid jenetik nan MCI quantitative ak fenotip AD nan ADNI: Pwogrè, opòtinite, ak plan. Alzayme a ak demans: jounal Asosyasyon alzayme a 11, 792–814 (2015).

18. Saykin, AJ et al. Biomarkers Inisyativ Neuroimaging Maladi alzayme a kòm fenotip quantitative: Objektif debaz jenetik, pwogrè, ak plan. Alzayme a ak demans: jounal Asosyasyon alzayme a 6, 265–273 (2010).

19. Nho, K. et al. Voxel ak sifas ki baze sou topografi memwa ak defisi egzekitif nan defisyans mantal modere ak maladi alzayme a. Imaging nan sèvo ak konpòtman 6, 551-567 (2012).

20. Falahati, F., Westman, E. & Simmons, A. Analiz done multivarye ak aprantisaj machin nan maladi alzayme a ak yon konsantre sou estriktirèl D sonorite mayetik. J Alzheimers Dis 41, 685–708.