دانلود مقاله انگلیسی رایگان:یک مدل یادگیری عمیق برای پیش بینی اولیه زوال عقل بیماری آلزایمر بر اساس داده های تصویربرداری رزونانس مغناطیسی هیپوکامپ - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری عمیق رایگان
  • A deep learning model for early prediction of Alzheimers disease dementia based on hippocampal magnetic resonance imaging data A deep learning model for early prediction of Alzheimers disease dementia based on hippocampal magnetic resonance imaging data
    A deep learning model for early prediction of Alzheimers disease dementia based on hippocampal magnetic resonance imaging data

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    A deep learning model for early prediction of Alzheimers disease dementia based on hippocampal magnetic resonance imaging data


    ترجمه فارسی عنوان مقاله:

    یک مدل یادگیری عمیق برای پیش بینی اولیه زوال عقل بیماری آلزایمر بر اساس داده های تصویربرداری رزونانس مغناطیسی هیپوکامپ


    منبع:

    Sciencedirect - Elsevier - Alzheimers & Dementia, 15 (2019) 1059-1070: doi:10:1016/j:jalz:2019:02:007


    نویسنده:

    Hongming Lia, Mohamad Habesa,b, David A. Wolkb, Yong Fana,*, for the Alzheimer’s Disease Neuroimaging Initiative and the Australian Imaging Biomarkers and Lifestyle Study of Aging


    چکیده انگلیسی:

    It is challenging at baseline to predict when and which individuals who meet criteria for mild cognitive impairment (MCI) will ultimately progress to Alzheimer’s disease (AD) dementia. Methods: A deep learning method is developed and validated based on magnetic resonance imaging scans of 2146 subjects (803 for training and 1343 for validation) to predict MCI subjects’ progression to AD dementia in a time-to-event analysis setting. Results: The deep-learning time-to-event model predicted individual subjects’ progression to AD dementia with a concordance index of 0.762 on 439 Alzheimer’s Disease Neuroimaging Initiative testing MCI subjects with follow-up duration from 6 to 78 months (quartiles: [24, 42, 54]) and a concordance index of 0.781 on 40 Australian Imaging Biomarkers and Lifestyle Study of Aging testing MCI subjects with follow-up duration from 18 to 54 months (quartiles: [18, 36, 54]). The predicted progression risk also clustered individual subjects into subgroups with significant differences in their progression time to AD dementia (P ,.0002). Improved performance for predicting progression to AD dementia (concordance index 5 0.864) was obtained when the deep learning–based progression risk was combined with baseline clinical measures. Discussion: Our method provides a cost effective and accurate means for prognosis and potentially to facilitate enrollment in clinical trials with individuals likely to progress within a specific temporal period.
    Keywords: Deep learning | Hippocampus | Time-to-event analysis | Alzheimer’s disease


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 1656 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی