该团队深入分析大脑影像和基因数据，痴呆将其作为 AD 的家研宏观视图与微观视图，提出一种用于疾病分类与风险预测的发出法深度学习算法，可精准生成大脑功能网络视图。未有望抽
该算法应用到 AD 的管血大量实验显示，多阶段诊断和风险预测准确率分别达 74.2% 和 84.5%，可诊科学这比当前已有先进诊断方法平均高出 10 个百分点。断和
图源：青岛市急救中心该研究成果于 11 月 6 日发表于 IEEE TPAMI 上，预测毕夏安为第一作者和通讯作者，老年美国佐治亚大学教授刘天明为共同通讯作者，哈佛大学医学院和麻省总医院助理教授李响等参与研究，湖南师范大学为论文第一单位及通讯单位。
在生物医学领域，AD 被定义为由多种复杂因素共同导致的脑退行性疾病。目前研究人员已开发出多种检测技术以帮助临床工作者了解病情，比如磁共振、PET 等医学影像检查手段。
毕夏安解释：
我们在阿尔茨海默病神经影像学计划 (ADNI) 数据库中，提取了 197 个早期轻度认知功能障碍、203 个晚期轻度认知功能障碍和 233 个阿尔茨海默症患者的数据信息做验证，取得了可喜结果。
目前抽血做全基因组测试，是可能判断早期阿尔茨海默症和风险的，但并不知道基因如何刻画大脑功能的改变，且大脑改变是不可视的。基于团队算法，个体基因数据可直接映射出对应的脑网络。
附上论文参考地址：X. -a. Bi et al., "Structure Mapping Generative Adversarial Network for Multi-view Information Mapping Pattern Mining," in IEEE Transactions on Pattern Analysis and Machine Intelligence, doi: 10.1109/TPAMI.2023.3330795.
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，所有文章均包含本声明。
(责任编辑：综合)