阿尔茨海默病连续体中连续疾病位置的纵向贝叶斯学习

摘要

arXiv:2608.19436v1 Announce Type: new Abstract: Alzheimer's disease (AD) progresses as a continuous biological process, whereas most existing neuroimaging-based artificial intelligence methods remain ...

disease Alzheimer clinical longitudinal that from imaging Disease DCP severity

2026-08-21 1 阅读约1分钟阅读 Yingying Zhang, Kun Zhao, Guodong Liu, Qi Huang, Pengfei Gu, Dongchul Kim, Erik Enriquez, Alex D. Leow, Paul M. Thompson, Heng Huang, Hongchang Gao, Liang Zhan, Haoteng Tang

arXiv:2608.19436v1 公告类型：新摘要：阿尔茨海默病 (AD) 作为一个连续的生物过程而进展，而大多数现有的基于神经影像的人工智能方法仍然仅限于离散诊断或来自横截面成像的临床评分预测。在这项工作中，我们提出了疾病连续体定位（DCP），这是一种纵向贝叶斯学习框架，可通过纵向扩散张量成像（DTI）持续估计疾病的严重程度。具体来说，DCP 通过将纵向观察与薄弱的临床监督联合整合，将疾病严重程度建模为低维概率潜在变量，从中得出拟议的疾病连续体评分 (DCS)，以量化个体在阿尔茨海默病连续体中的位置及其相关的不确定性。对阿尔茨海默病神经影像计划 (ADNI) 队列的大量实验表明，DCP 始终优于代表性的疾病进展方法。更重要的是，全面的验证分析表明 DCS 准确地描述了疾病的严重程度，表现出很强的临床相关性，保留了疾病的纵向演变，并预测了未来的疾病转化。这些结果表明，DCS 提供了一种定量成像衍生的表示，用于持续评估阿尔茨海默病的进展，超越传统的诊断标签和临床评分。

订阅66必读