La enfermedad de Alzheimer (EA) es un trastorno cerebral neurodegenerativo y progresivo que ataca a los neurotransmisores, las células cerebrales y los nervios, afectando a las funciones cerebrales, la memoria y los comportamientos para acabar provocando demencia en las personas mayores. A pesar de su importancia, actualmente no tiene cura. Sin embargo, existen medicamentos de venta con receta que pueden ayudar a retrasar el avance de la enfermedad. Por lo tanto, el diagnóstico precoz de la EA es esencial para la atención al paciente y las investigaciones pertinentes. Los principales retos a la hora de realizar un diagnóstico adecuado de la EA utilizando los esquemas de clasificación existentes son la disponibilidad de un menor número de muestras de entrenamiento y el mayor número de posibles representaciones de características. En este artículo, presentamos y comparamos enfoques de diagnóstico de EA utilizando imágenes de resonancia magnética estructural (sMR) para discriminar entre EA, deterioro cognitivo leve (DCL) y sujetos de control sanos (HC) utilizando una máquina de vectores de soporte (SVM), una máquina de vectores de importación (IVM) y una máquina de aprendizaje extremo regularizada (RELM). La técnica de selección de características basada en la puntuación codiciosa se emplea para seleccionar vectores de características importantes. Además, se adopta un enfoque discriminativo basado en kernel para tratar distribuciones de datos complejas. Comparamos el rendimiento de estos clasificadores con los datos de imágenes volumétricas de RMN de la iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI). Los experimentos en los conjuntos de datos ADNI mostraron que RELM con el enfoque de selección de características puede mejorar significativamente la precisión de la clasificación de la EA de los sujetos MCI y HC.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Prevalencia Hospitalaria del Cáncer Colorrectal entre los Receptores de Colonoscopias que Asisten a un Hospital Terciario en Omán: Un Estudio Transversal
Artículo:
Robustez de los coeficientes del cepstrum de energía Teager auditivo para la clasificación de voces patológicas y normales en entornos ruidosos.
Artículo:
Evaluación del tratamiento del dolor en pacientes COVID-19 con toma de decisiones multicriterio difuso lingüístico vacilante
Artículo:
Preparación y propiedades de nanopartículas y nanocompuestos PTFE-PMMA Core-Shell
Artículo:
Nanopartículas magnéticas como aditivo redispersante en fluidos magnetoreológicos
Artículo:
Agroecología: única esperanza para la soberanía alimentaria y la resiliencia socioecológica
Artículo:
Marco del modelo de gestión financiera y contable inteligente bajo la perspectiva de la inteligencia artificial
Artículo:
Investigación sobre el Modelo de Evaluación de la Demanda de Información Rural Basado en Big Data
Artículo:
Reduciendo la vibración del marco del robot delta en la aplicación de recogida y colocación: Un enfoque de optimización del perfil de aceleración