【摘 要】
：
阿尔兹海默病（Alzheimer’s Disease,AD）目前是中老年人群中较为常见的高发疾病,已经严重影响患者及其家庭的正常生活。然而,目前的治疗药物只能尽可能延缓AD的病变进展,却不能从根本上医治AD患者。因此,通过利用计算机技术研究AD的疾病进展情况,帮助医生实现AD患者的早期干预,对潜在的AD病变者尤为重要。Tau蛋白是AD的主要致病物质之一,在脑部鉴定Tau蛋白含量有助于区分认知正常的
论文部分内容阅读
阿尔兹海默病（Alzheimer’s Disease,AD）目前是中老年人群中较为常见的高发疾病,已经严重影响患者及其家庭的正常生活。然而,目前的治疗药物只能尽可能延缓AD的病变进展,却不能从根本上医治AD患者。因此,通过利用计算机技术研究AD的疾病进展情况,帮助医生实现AD患者的早期干预,对潜在的AD病变者尤为重要。Tau蛋白是AD的主要致病物质之一,在脑部鉴定Tau蛋白含量有助于区分认知正常的老年人、轻度认知障碍和AD,并且在疾病机制及进展模式方面也能提供帮助。然而目前的Tau蛋白含量获取方式主要通过PET神经影像定量分析或从脑脊液提取,其获取方式具有侵入性,并且成本较高。相比较而言,Rs-f MRI神经影像技术具有性价比高、非侵入性、高分辨率等特点,并受到广泛关注。针对以上情况,结合目前功能脑网络与Tau蛋白沉积的临床研究现状,本文提出了基于Rs-f MRI神经影像构建功能脑网络预测Tau蛋白含量的研究方法,具体研究内容包括:（1）针对AD患者中脑脊液Tau蛋白含量获取较为困难的问题,本文提出了基于脑功能连接的MLP-ATT模型的Tau蛋白含量预测方法。首先对Rs-f MRI神经影像进行预处理,然后通过皮尔逊相关系数构建功能连接矩阵,并通过Lasso算法研究脑区与Tau蛋白沉积的关系,结果表明右脑舌回（Lingual＿R）与右脑颞上回（Temporal＿Sup＿R）脑区功能连接对Tau蛋白沉积影响较大,最后通过MLPATT模型对脑脊液Tau蛋白含量进行回归预测,其均方根误差为104.2,平均绝对误差为77.2,优于传统的机器学习算法。（2）针对Tau-PET定量分析Tau蛋白含量其成本较高,并且其检测方法具有侵入性的问题,本文基于脑功能连接的研究情况,提出了利用复杂网络拓扑属性预测Tau蛋白含量的方法,并使用稀疏Light GBM（Sparse-LGBM）对Tan蛋白含量进行回归预测,其均方根误差为59.2,平均绝对误差为49.6,实验结果证明了模型的有效性。（3）针对Rs-f MRI数据预处理、构建功能脑网络操作较为繁琐及预测模型应用等问题,本文设计了Tau蛋白含量预测系统,该系统具有医学影像转换、脑功能连接构建、Tau蛋白含量预测模块,方便医生利用Rs-f MRI神经影像研究被试脑部的Tau蛋白含量情况。
其他文献
工业设备的正常运转是保障工业流程的关键,通过有效的异常检测技术对工业设备进行诊断可以提高员工的检测效率,更重要的是可以避免因设备意外损坏造成的安全事故。可见,异常检测在整个工业生产过程中发挥重要作用。因为工业流程复杂,涉及到的设备很多,并且具有大量传感器进行实时监测,仅仅通过工人按照经验规则进行全面检测显得十分困难。得益于计算机与异常检测技术的不断提升,逐渐由传统的人工现场监管变成大规模的线上运维
本文通过比较企业财务会计与管理会计的功能，分析了两者之间的差异与联系，并探讨了企业财务会计向管理会计转型的必要性和动力。在此基础上，本文进一步探讨了企业财务会计向管理会计转型实践中的问题，并提出了相应的解决策略。最后，本文以某企业为例，深入分析了该企业财务会计向管理会计转型的实践过程，总结了转型成功的经验与教训。
随着以现代计算机技术为基础的网络经济崛起,虚拟试衣、时装展示等人工智能技术在服装业中得到了广泛的应用,人们越来越习惯于在线上购买服装。随着经济发展,人们越来越不满足于千篇一律的成品西装而转向寻求对西装进行个性化定制。西装由于其正装的属性,款式较为固定,所以在线上个性化定制西装时,用户更在意对西装面料的选择定制。为满足用户需求,可以利用图像合成技术实时生成不同面料西装的效果图,这样不仅可以提升用户的
近年来,由于移动设备的普及以及社交媒体网站的发展,互联网上产生了规模前所未有的多媒体数据量。多媒体数据核心的表现为一个实例可以通过不同的媒体类型呈现,不同媒体类型的数据存在一定程度上的语义关联。因此,人们对于大规模跨媒体数据检索的需求与日俱增。与此同时,跨媒体检索也已经成为了一类重要的应用,由于其更加符合现实的应用场景,从而往往能够显著提升用户体验。在这类应用中,人们使用一个模态的查询实例（例如图
进入二十一世纪以来,移动通信技术飞速发展,各种计算密集型应用不断涌现,如AR/VR、视频流处理等,传统的云计算模式在处理此类应用时,造成了较大的时延和能量消耗。为了降低计算任务处理时延和能量消耗,业界提出了移动边缘计算（Mobile Edge Computing,MEC）来解决上述问题。MEC模式把CPU资源、磁盘资源和互联网资源等分配到处于互联网边缘的MEC服务器中,为移动终端提供服务。由于ME
为实现“三位一体”智慧医院的建设目标，提升医院综合效益，推进落实医院后勤科学化、标准化、精细化管理水平，成都中医药大学附属医院以“完善标准、强化监督、多方协同、数字基底”为思路，以建筑信息模型（Build-ing Information Modeling,BIM）为内核，运用大数据、人工智能、云计算等数字技术进行管理实践，实现了后勤运维可视化把控，大幅降低人工成本，提升了医院保障服务安全及效率。
联邦学习作为一种分布式深度学习框架,能够解决由于数据隐私无法集中数据进行训练的问题。传统联邦学习采用中心化参数服务器对模型进行聚合、更新和分发,容易引起单点故障和数据泄漏问题。通过结合去中心化、不可篡改的区块链,能够解决联邦学习中的信任问题。然而,区块链无法避免恶意者通过修改训练样本而引起的中毒攻击。现有研究结合聚合规则或异常检测来防御中毒攻击,但仍存在防御效果差、难以准确识别恶意节点和中毒率超半
受益于数据的爆炸式增长和算力的飞速发展,以深度神经网络为代表的人工智能技术飞速发展。如今,深度学习技术已广泛应用在医疗诊断领域进行手术风险自动评估、药物研发、疾病预测、疾病早筛等。美国食品和药物管理局（FDA）在2018年已经批准了有史以来第一款自动人工智能（AI）诊断仪的上市。伴随着人工智能系统的日益推广,如何对其在医疗健康等安全关键型环境中的性能进行监管成为新的问题。数据是深度学习模型构建的核
淋巴瘤是起源于淋巴造血系统的恶性肿瘤,是血液肿瘤中发病率最高的类型。对于疑似恶性淋巴瘤的筛查手段有很多。近年来,先进超声检查技术在临床上的应用,为淋巴瘤的诊断提供了更加便利的条件。高分辨率超声能显示淋巴瘤的大小、形态和内部回声结构及其变化,提供丰富的诊断信息,临床医生可以凭借其镜下超声表现筛选出疑似细胞进而通过穿刺活检获得明确的病理诊断。但对于临床经验较为缺乏或非肿瘤科领域的医生来说,镜下筛选过程
由于阿尔兹海默病（Alzheimer’s Disease,简称AD）对中老年人的危害较大,近年来发病率逐渐提升,并且该疾病病程漫长,不可逆转且暂无有效的治疗方式,只能秉持早发现早干预的方针,对患者进行早检查以及早预后,因此其早筛尤为重要。多阶段事件判别模型（Multi-stage Event Discriminant Model,MDEBM）以生物标志物属性变化为事件,通过样本横截面数据分析得到阿