Alzheimer's disease

4 items

RESEARCHarXiv CS.AI·il y a 20h

Reconstructing and forecasting disease trajectories of patients with Alzheimer's disease using routine data in resource-constrained settings

Cette recherche vise à reconstruire et prévoir les trajectoires de la maladie d'Alzheimer en utilisant des données de routine dans des contextes à ressources limitées. Elle propose un cadre unifié pour la prédiction bidirectionnelle des scores cognitifs à partir de visites irrégulières, permettant l'interpolation et l'extrapolation, et fournissant des estimations d'incertitude calibrées.

forecasting disease progression Alzheimer's disease predictive modeling

RESEARCHarXiv CS.LG·il y a 5j

Early Detection of Alzheimer's Disease Using Explainable Machine Learning on Clinical Biomarkers: A Multi-Class Classification Study Using the Alzheimer's Disease Neuroimaging Initiative (ADNI) Dataset

Un classificateur XGBoost a été développé en utilisant des caractéristiques cliniques de l'ensemble de données ADNI pour la détection multi-classes de la cognition normale, du trouble cognitif léger et de la maladie d'Alzheimer. Le modèle a atteint une AUC macro moyenne élevée de 0,983 et une précision de 0,944, avec des valeurs SHAP fournissant une explicabilité des caractéristiques.

machine learning Alzheimer's disease Explainable AI XGBoost

RESEARCHarXiv CS.LG·07/05/2026

Investigating Trustworthiness of Nonparametric Deep Survival Models for Alzheimer's Disease Progression Analysis

Cette recherche examine la fiabilité et l'équité des modèles de survie profonde non paramétriques pour analyser la progression de la maladie d'Alzheimer (MA). Elle aborde le manque d'études prenant en compte les biais appris dans les modèles d'apprentissage profond pour la MA et propose de nouvelles métriques d'équité pour des prédictions fiables.

deep learning Alzheimer's disease survival analysis medical AI

RESEARCHarXiv CS.LG·il y a 21j

Forecasting Medium-Horizon Alzheimer's Disease Progression: Residual Gap-Aware Transformers for 24-Month CDR-SB Change from ADNI Clinical and Biomarker Histories

Cet article propose un transformateur conscient des écarts résiduels pour prévoir la progression de la maladie d'Alzheimer sur 24 mois, en utilisant les historiques cliniques et de biomarqueurs de l'ADNI. La recherche analyse le changement du score CDR-SB, ancrant les échantillons lors des visites de déficience cognitive légère.

Biomarkers machine learning Alzheimer's disease Medical Diagnosis