深度学习在老年痴呆检测中的应用：数据集综述

已于 2024-09-24 13:35:16 修改
阅读量700 收藏 1
点赞数 5
分类专栏： 医学统计分析实例教程|R语言实例实战|python实例实战 文章标签： 深度学习 人工智能
于 2024-06-04 13:37:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_32393347/article/details/139440566
版权
本文综述了深度学习在老年痴呆检测中的应用，介绍了ADNI、OASIS、MIRIAD和AIBL等常用数据集，及其在图像分类、分割、疾病进展预测和多模态数据融合等方面的应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

深度学习在老年痴呆检测中的应用：数据集综述

引言

老年痴呆（Alzheimer’s Disease, AD）是一种神经退行性疾病，主要影响老年人，导致记忆力、认知能力和行为的逐步衰退。早期检测和诊断对于延缓疾病进展、提高患者生活质量至关重要。近年来，深度学习技术在医学影像分析和疾病预测方面展现了巨大的潜力。本文将综述用于老年痴呆检测的常用数据集及其特点，并探讨深度学习在该领域的应用。

常用数据集

  1. Alzheimer’s Disease Neuroimaging Initiative (ADNI)

    • 简介: ADNI是一个旨在开发、验证和优化AD早期检测和监测方法的全球合作项目。该数据集包含多模态数据，包括MRI、PET影像、基因数据和临床数据。
    • 数据量: 数千名受试者的多模态数据。
    • 应用: 主要用于影像数据的分类、分割和疾病进展预测。

  2. OASIS (Open Access Series of Imaging Studies)

    • 简介: OASIS提供了跨年龄段的健康和痴呆受试者的MRI数据。
    • 数据量
了解本专栏 订阅专栏 解锁全文 超级会员免费看
模型训练中的curriculum learning在认知障碍康复中的应用
AI天才研究院
03-17 922
认知障碍是一类影响患者认知功能的疾病，如老年痴呆、脑损伤后遗症等，给患者及其家庭带来了沉重的负担。传统的认知障碍康复治疗方法往往缺乏个性化和系统性，难以满足患者的多样化需求。Curriculum Learning是一种模拟人类学习过程的机器学习方法，它通过有序地呈现学习样本，从简单到复杂逐步训练模型，能够提高模型的学习效率和泛化能力。本研究的目的是探索Curriculum Learning在认知障碍康复中的应用，旨在开发更加有效的康复训练方案，提高康复治疗效果。
医学图像分类_深度学习与医学图像分析
weixin_39929377的博客
12-13 6420
本科刚毕业整理的文章，放出来给大家参考，欢迎批评指正！摘要随着医学成像技术和计算机技术的不断发展和进步，医学图像分析已成为医学研究、临床疾病诊断和治疗中一个不可或缺的工具和技术手段。近几年来，深度学习（Deep learning,DL），特别是深度卷积神经网络（Convolutional neural networks,CNNs）已经迅速发展成为医学图像分析的研究热点，它能够从医学图像大数据中自动...
阿尔兹海默病智能诊断
学习日常分享
06-29 1万+
阿尔茨海默病（Alzheimer′s Disease，AD）是一种以认知和智力损害、行为能力下降为特点的神经退行性疾病，目前其确切病因不明，并缺少有效的治疗方案。阿尔茨海默病是一种起病隐匿的进行性神经系统退行性疾病。以记忆障碍、失语、失用、失认、视空间技能损害、执行功能障碍以及人格和行为改变等全面性痴呆为特征。病因迄今未明。我国现有约1000万痴呆患者，保守估计每年耗费约600亿 美 元。而AD是最常见的痴呆类型，约占全部痴呆患者的50％～70％。AD在全世界范围内患病率也逐渐增加，根据流行病学数据预测，到
求助帖！阿尔兹海默AIBL数据库
2401_82680937的博客
06-05 283
有没有好心人有aibl数据库的账号，想求一份aibl数据库的样本信息。
【数据集】Learn2Reg2021 Task 03 —— 预处理的 OASIS 3D 脑部 MRI
过招
09-04 4378
我们已经预处理了一个由 400 个大脑组成的重要亚组，分为训练（300）、验证（50）和测试（50）。我们使用几个软件包（FreeSurfer 7.1 和 SAMSEG）计算了包含 40 个皮质和皮质下解剖标签的分割图。我们将融合这些标签图，并在 MGH 神经科学家的帮助下手动验证所有 400 次扫描。
Brain:一种用于阿尔兹海默症(AD)分类的可解释的深度学习框架
悦影科技
03-02 2280
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 阿尔茨海默病是全球范围内痴呆症的主要原因，随着人口老龄化，其发病率负担日益加重，可能超过诊断和管理能力。目前的方法综合了病史、神经心理测试和MRI来识别可能的病例，但有效的做法仍然存在差异，缺乏敏感性和特异性。该研究报告了一种可解释的深度学习策略，其以MRI、年龄、性别和精神状态测试分数的多模态信息作为输入，可以描述独特的阿尔茨海默病特征。我们的框架连接了一个全卷积网络，该网络构建了从局部大脑结构到多层感知器的疾病概率的高分辨率地图，并在准确诊断的过
Image and Data Archive (IDA)上的数据集介绍
YYY7的博客
09-13 729
本研究的目的是确定随时间推移追踪皮质基底节变性 (CBD) 和进行性核上性麻痹 (PSP) 的最佳分析方法。
基于深度学习的微出血自动检测及解剖尺度定位|文献速递-视觉大模型医疗图像应用
最新发布
weixin_38594676的博客
01-20 1080
Title题目Toward automated detection of microbleeds with anatomical scale localization using deep learning基于深度学习的微出血自动检测及解剖尺度定位01文献速递介绍基于深度学习的脑微出血（CMBs）检测与解剖定位脑微出血（Cerebral Microbleeds, CMBs）是由血管壁损伤引起的小血液产物的慢性沉积，通常位于动脉和毛细血管附近（Roob et al., 1999; Tajudin et al
OASIS数据集下载问题
m0_62418916的博客
07-03 996
在下载OASIS数据集时，官网有两种数据，第一个是Raw源数据，第二个是FreeSurfer数据，第二个是已经。对数据集进行了标准的预处理步骤吗，包括运动校正、颅骨剥离、仿射空间归一化和皮层下结构分割？用 Freesufer。
用于阿尔茨海默症分期早期检测的多模态深度学习模型
cc1609130201的博客
08-03 5769
目前大多数阿尔茨海默症（AD）和轻度认知障碍（MCI）研究使用单一数据模式来预测，例如AD的分期。多种数据模式的融合可以提供AD分期分析的整体视图。因此，我们使用深度学习对成像（磁共振成像（MRI））、基因（单核苷酸多态性（SNPs））和临床测试数据进行综合分析，将患者分为AD、MCI和对照组（CN）。我们使用堆叠降噪自编码器从临床和基因数据中提取特征，并使用3D卷积神经网络（CNN）来处理成像数据。我们还提出了一种新的数据解析方法，通过聚类和扰动分析来识别深层模型学习到的表现最好的特征。...
scripts_DEG_in_AD:来自3个阿尔茨海默氏病数据集（Mathys-doi 10.7303syn18485175，Grubman-GSE138852，Friedman-GSE95587）的RNA-seq数据的差异表达基因（DEG）分析管道
03-30
snRNAseq_bulkRNAseq_DEG_analysis RNAseq数据元分析的管道（Mathys-Grubman-GSE95587）
OASIS, Single Image 3D Dataset in the Wild by Princeton普林斯顿大学野外环境3D图像数据集OASIS-数据集
03-13
OASIS, Open Annotations of Single Image Surfaces, a dataset for single-image 3D in the wild consisting of detailed 3D geometry for 140,000 images by Princeton University. OASIS开放单个物体表面图像数据集由普林斯顿大学出品， 含有140000张单个物体的详细3D图片。 OASIS paper.pdf
MRI-alzheimers-classification-OASIS1-:使用从MRI图像中提取的特征预测痴呆阶段； 基于OASIS1数据集
05-16
使用大脑的MRI图像预测痴呆阶段 概括 我们使用神经网络来预测痴呆阶段，其依据是： 相对于头部大小的大脑体积（从MRI图像中提取的特征） 性别 教育程度 对测试集的预测约为60％ NN体系结构的唯一理由是使其相对简单。 优化器的学习率降低了，因为它一开始学习速度太快（精度曲线太陡了）。 另外，在进行建模之前，我们进行了简单的探索性数据分析。 未来的工作 一个有趣的项目是对原始数据执行全面的CNN。 一个有趣的一次性项目将是查看纵向数据集，以预测现在没有痴呆的患者是否将来会发展为痴呆症。 数据 数据来自。 也可以从获得。
oasis:CVPR 2020论文代码“ OASIS
05-01
OASIS：用于野外单图像3D的大规模数据集 该存储库包含以下论文的代码： OASIS: A Large-Scale Dataset for Single Image 3D in the Wild, Weifeng Chen, Shengyi Qian, David Fan, Noriyuki Kojima, Max Hamilton, Jia Deng Conference on Computer Vision and Pattern Recognition (CVPR), 2020. 请检查以获取更多详细信息。 安装 该代码已经在python 3.7，cuda 10.0，pytorch 1.1.0，gcc 8.4.0上进行了测试 conda create --name oasis python=3.7 conda activate oasis conda install pytor
阿尔兹海默症-图像分类数据集
DL_data_set的博客
06-25 2852
阿尔兹海默症图像，阿尔兹海默症分类数据集，图像分类，cnn，卷积神经网络，深度学习，阿尔兹海默症分类
0实验+CHARLS+预测模型=SCI二区！这篇预测模型做的很规范
weixin_47988917的博客
04-30 1006
‍零基础CHARLS发论文，不容错过！长期回放+更新+指导！适合零基础，毕业论文，赠送2011-2020年CHARLS清洗后的数据+全套代码！想学习如何构建预测模型的一定要看这篇文章！到2023年，抑郁症已成为全球疾病负担的首位，特别是中老年残疾人，往往有更严重的抑郁倾向。中国学者使用CHARLS数据库构建了中国中老年肢体残疾者抑郁的预测模型，筛选出与抑郁高度相关的预测变量。该模型的构建可以帮助临...
计算机医学图像数据集汇总
zhr_the_great的博客
09-07 3566
一、肺结节数据集 计算机辅助诊断（CAD）主要是指基于医学影像学的计算机辅助技术。CAD 被视为医生的“第三只眼”，其广泛应用有助于提高诊断的敏感性和特异性。近年来，基于深度学习技术基础并利用海量医学影像数据的完备性优势，使得临床诊断精度得到很大的提高。本文针对肺节结数据集、乳腺 MG 数据集等进行介绍，文中列出的一些常用的不同类型医学影像数据库地址链接包括： ①http://www.cancerimagingarchive.net ②https://grand-challenge.org ③https:/
各类比赛数据集
热门推荐
学习容易上瘾
03-07 1万+
本篇整理了几个比赛用的数据集，方便大家使用，提供百度云链接 不定期更新，如果链接出现问题，请在评论区告知我，我会及时补链接 【注意】所有数据仅限于科研所用，请勿用于商业用途！ 【2019.07.04更新】增加ICDAR 2015、天池全球数据智能大赛数据 【Kaggle比赛】 1.Kaggle-猫狗大战 链接：https://pan.baidu.com/s/1cnnZXytaaC...
AI常用数据集下载
Sean
07-30 2399
AI常用数据集下载：<持续更新> VOC 数据集下载： 链接：https://pan.baidu.com/s/1zkqg62qKjj1rauAnvBUnXQ 提取码：s6lh CamVid数据集下载： 链接：https://pan.baidu.com/s/1W5zd1KBsiFltVd8f2ighDg 提取码：spc7 CityScape数据集下载： ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI拉呱

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值