Modelle für maschinelles Lernen zur Vorhersage der Alzheimer-Krankheit im Frühstadium
2022
Sathyabama Institute of Science and Technology, Chennai, Indien
Im Frühstadium ist Alzheimer schwer vorherzusagen. Eine Behandlung in einem frühen Alzheimer Stadium ist aber wirksamer und verursacht weniger geringfügige Schäden als eine Behandlung in einem späteren Stadium. In dieser Studie wurden mehrere Computertechniken eingesetzt, um die besten Parameter für die Vorhersage der Alzheimer-Krankheit zu ermitteln. Die Vorhersagen basierten auf MRT-Bildern von 150 Patienten aus der Datenbank der Open Access Series of Imaging Studies (OASIS). Techniken des maschinellen Lernens wurden auf Datensätze zu Alzheimer angewendet, um eine neue Dimension der Vorhersage der Krankheit in einem frühen Stadium zu schaffen. Das vorgeschlagene Klassifizierungsschema kann von Ärzten zur Alzheimer-Diagnose verwendet werden. Die vorgestellte Arbeit zeigt bessere Ergebnisse mit der besten durchschnittlichen Validierungsgenauigkeit von 83 % bei den Alzheimer-Testdaten. Dieser Testgenauigkeitswert ist im Vergleich zu bestehenden Arbeiten deutlich höher.
Early-stage Alzheimer's disease prediction using machine learning models
C. Kavitha
Eingestellt am: 14.09.2023
[1] https://www.frontiersin.org/articles/10.3389/fpubh.2022.853294/full[2] https://www.drugtargetreview.com/article/110227/the-future-of-central-nervous-system-research/?utm_source=Email+marketing&utm_medium=email&utm_campaign=DTR+-+Industry+Insight+-+Quantum+-+01.09.2023&utm_term=Computational+tool+gets+more+out+of+multi-omics+data&utm_content=https%3a%2f%2femails.drugtargetreview.com%2frussellpublishinglz%2f&gator_td=mIEcIc9i81kCKVEhzhGoua2AdBgsh3MXlma4DaxbM%2bxK7rKyR%2fQcxk8ybkHB1l%2bRXEvytgBCnnivdmqswbwYTxn4iGykbFmGXXK7dz8FnJzV82Okhr4PBfh1smePTncFC5cYRgtu%2f2Az8umlaHaYwOrkQf3awJMA0VuCviYYObU2xCPqj4rl%2b6sSM5T5exVI%2fzk%2b0uf1Z1EzIpnMw8X8kEumOE8bMB8%2f1hAmVz6Yx%2fw%3d
