7个研究背景和意义示例,教你写计算机阿尔兹海默症论文

今天分享的是关于阿尔兹海默症的7篇计算机毕业论文范文, 如果你的论文涉及到阿尔兹海默症等主题,本文能够帮助到你

基于多模态融合的阿尔兹海默症诊断系统设计与实现

这是一篇关于阿尔兹海默症,多模态,功能连接筛选,fMRI,MRI的论文, 主要内容为阿尔茨海默症(Alzheimer’s Disease,AD)是一种由神经系统紊乱、脑细胞死亡导致记忆丧失和认知能力下降的疾病,早期主要特征表现为认知功能下降,最终患者会丧失日常生活的能力。AD主要病发于老年人,对个人、对家庭乃至对社会都具有极大危害,AD患者的准确诊断对呵护患者健康、保持家庭幸福、维护社会稳定都具有重要意义。目前辅助AD诊断的工具有很多种,包括MRI、fMRI、PET等,不同模态的数据可能会蕴含不同的患者信息。本文将MRI和fMRI作为多模态数据,提出了一种基于多模态融合的AD诊断方法。主要工作如下:(1)针对脑功能连接筛选不够精细的问题,本文提出了基于最大分离度的脑功能连接筛选方法,实现脑功能连接的有效筛选。首先使用fMRI数据构造脑功能连接网络。其次按照本文提出的脑功能连接筛选方法对每个脑功能连接进行分析,根据每个脑功能连接的分布情况找到每个脑功能连接对应的有效区间。然后对每个被试的脑功能连接进行判断,将在有效区间内的脑功能连接保留,不在有效区间内的脑功能连接删除,实现脑功能连接网络重构,得到阈值化的脑功能连接网络。最后使用图核方法度量阈值化的脑功能连接网络的相似性,并结合SVM进行分类。(2)针对单模态数据包含信息有限的问题,本研究提出了一种基于多模态融合的AD诊断方法,实现了多模态数据融合并实现了AD的有效分类。首先对MRI数据进行处理得到脑区测量信息。然后将MRI数据处理得到的脑区测量信息作为阈值化的脑功能连接网络的节点,构造带节点属性的脑功能连接网络。最后使用DEMO-Net图神经网络进行分类。(3)设计了一个操作便捷的诊断系统。该系统不仅能够实现AD准确诊断,而且能够实现轻度认知障碍(Mild Cognitive Impairment,MCI)准确诊断,能够让患者准确了解自身的状态,早做预防。为了验证本文提出的分类模型的分类性能,设计了功能连接筛选方法的筛选效果实验,设计了与其他先进方法的分类效果对比实验。使用五种评价指标评估AD诊断模型的分类性能,实验结果显示本文提出的AD诊断模型能够取得较好的分类效果。基于AD诊断模型,设计并实现基于Django框架的AD诊断系统,且对系统的诊断效果进行测试。系统能够准确地诊断AD和MCI患者,为AD患者的早诊早治提供便利,具有良好的应用前景。

阿尔兹海默症知识图谱构建及知识发现

这是一篇关于阿尔兹海默症,知识图谱,知识发现,主题模型,可视化分析的论文, 主要内容为阿尔兹海默症是一种常见的老年疾病。据报道在2015年间阿尔兹海默症导致了190万人的死亡,并且该疾病的治疗费用较高。到目前为止,还未有有效治疗或控制该疾病的相关报道。为了找到有效的治疗方法,大量生物医学实验在不断的进行中,大量研究论文不断涌现。然而,2018年1月新英格兰杂志宣布,最有可能的特效药临床试验失败。因此,有必要对过去该疾病的研究思路重新梳理、分析并发现新研究方向。本文针对PubMed数据库中,从2000年到2019年共132,749篇与阿尔兹海默症相关的摘要数据,采用机器学习方法进行知识抽取,构建阿尔兹海默症的知识图谱并进行知识发现。知识图谱的构建模型如下:首先从PubMed数据库下载阿尔兹海默症文献数据,并提取摘要;然后基于主题模型、词向量模型、聚类模型以及命名实体识别的方法,抽取出实体、实体之间的关系以及实体属性等知识;最终利用图数据库将抽取的知识进行存储和展示。同时从时间维度出发,根据实体在时间维度上的变化实现相关知识发现。实验最终识别出16类,共计775个实体。通过实体在文献中的共现情况,定义了“治疗”、“引发”、“并发症”、“行为”、“诊断”和“研究区域”六种关系,共计646个。同时,我们从疾病、药物、症状及过程、研究区域和基因五个方面进行了实体趋势研究,进行相关知识发现。构建的阿尔兹海默症知识图谱,可以为相关研究人员的研究提供理论依据以及数据支持。

一种三维卷积MgNet及其在AD分类问题中的应用

这是一篇关于深度学习,阿尔兹海默症,ViT,3DAMgNet,分类的论文, 主要内容为阿尔兹海默症(Alzheimer’s Disease,AD)通常发病隐匿且持续发展,目前AD诊断主要依靠医生依据影像学等方法,不仅耗时耗力并且需要丰富的临床经验。深度学习是人工智能领域的热点,基于CNN的图像分类是深度学习的一个重要分支,3D MRI图像分类是计算机辅助诊断AD的重要途经,但3D CNN参数量大且网络解释性不强。因此如何基于3D MRI图像利用深度学习技术提升AD分类性能是一项非常值得开展的工作。基于ADNI和内部数据集的3D磁共振影像数据,本文对AD分类问题展开研究:首先对这两个数据集进行预处理,接着将3DRes Net、3DAN和Vi T(Vision Transformer)应用到该问题上,其中首次将Vi T应用到该问题上。三个模型在ADNI数据集上分类准确度分别为91.071%、92.119%和92.368%,在内部数据集上分类准确度分别为86.194%、83.582%和84.925%。结果表明三个模型在该问题上均具有较高的准确度,但模型占用较大内存空间且泛化性能不佳。与其他二维CNN相比,Mg Net网络解释性更强、权值和超参数更少且分类性能相当甚至更优。因此基于二维卷积的Mg Net引入三维卷积设计了一种三维卷积的Mg Net(简记为3DMg Net),并将其应用该问题中,3DMg Net在这两个数据集上分类准确度分别是90.737%和88.731%。在此基础上,设计了一种基于平均池化的3DMg Net(简记为3DAMg Net),该模型在ADNI数据集上准确度为92.133%,与Vi T和3DAN分类结果相当,相比于3DMg Net和3DRes Net,分类准确度分别提升了1.396%和1.062%,并且3DAMg Net的参数量相比3DAN和Vi T分别降低了约26.148%和87.432%。在内部数据集上准确度为87.911%,分类准确度与3DMg Net结果相当,相比于3DRes Net、3DAN和Vi T,分类准确度分别提升了2.537%、5.149%和2.986%。结果表明将二维卷积的Mg Net拓展到三维卷积的Mg Net模型在该问题上的有效性,进一步针对该问题优化的模型3DAMg Net不仅拥有更高的分类准确度和更少的参数量,而且模型泛化能力更强,有利于未来医疗部署。

基于碳点的多功能抑制剂对淀粉样β蛋白聚集的影响

这是一篇关于阿尔兹海默症,淀粉样β蛋白,碳聚合物点,多功能抑制剂的论文, 主要内容为淀粉样β蛋白(amyloid-β,Aβ)在大脑内的聚集沉积是阿尔兹海默症(Alzheimer’s disease,AD)发病的主要原因。研究表明,氮掺杂碳聚合物点(Nitrogen-doped carbonized polymer dots,CPDs)既能抑制Aβ聚集,又能解聚Aβ纤维,还可以检测Aβ聚集体。因此,本论文提出以CPDs为设计基础开发新型高效的多功能Aβ聚集抑制剂,探索治疗AD药物开发的新策略。Cu2+与Aβ的聚集密切相关,Cu2+不仅能够改变Aβ的聚集途径,形成毒性更强的聚集体,还能诱导活性氧(reactive oxygen species,ROS)的产生,引起细胞损伤。实验室前期开发的多肽抑制剂RK10(RTHLVFFARK)可以有效抑制Cu2+介导的Aβ聚集,还能与Aβ特异性结合。因此,本研究首先将RK10修饰在CPDs表面,得到了新的多功能抑制剂RK10@CPDs。结果表明,RK10@CPDs能够有效抑制Aβ40聚集并解聚Aβ40纤维。与CPDs相比,抑制和解聚效果有所减弱,原因可能是RK10的修饰覆盖了CPDs表面的疏水结合位点和氨基,减弱了CPDs与Aβ40的疏水相互作用和静电相互作用,导致抑制和解聚效果下降。但是,RK10@CPDs具有螯合Cu2+的能力,既能有效调节Cu2+介导的Aβ40聚集,又能显著抑制ROS的生成。此外,秀丽隐杆线虫实验证明RK10@CPDs对Aβ具有亲和性,能够靶向Aβ斑块,使荧光成像更为明显。不仅如此,RK10@CPDs还能清除线虫体内的Aβ斑块,延长线虫的寿命。本论文通过原位生长法制备了内部负载CPDs的树枝状介孔二氧化硅纳米粒子DMSNs(CPDs@DMSNs)。初步结果表明,CPDs@DMSNs具有光热效应,可缩短Aβ40聚集的延滞期,促进成核过程,但可有效抑制Aβ40纤维化聚集体的生成。本研究通过对CPDs进行修饰改造,合成了新型的Aβ聚集抑制剂RK10@CPDs和CPDs@DMSNs,为设计开发AD诊疗一体化的多功能药物提供了新思路。