• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Joint High-Order Multi-Task Feature Learning to Predict the Progression of Alzheimer’s Disease
【2h】

Joint High-Order Multi-Task Feature Learning to Predict the Progression of Alzheimer’s Disease

机译：联合高阶多任务特征学习预测阿尔茨海默氏病的进展

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Alzheimer’s disease (AD) is a degenerative brain disease that affects millions of people around the world. As populations in the United States and worldwide age, the prevalence of Alzheimer’s disease will only increase. In turn, the social and financial costs of AD will create a difficult environment for many families and caregivers across the globe. By combining genetic information, brain scans, and clinical data, gathered over time through the Alzheimer’s Disease Neuroimaging Initiative (ADNI), we propose a new Joint High-Order Multi-Modal Multi-Task Feature Learning method to predict the cognitive performance and diagnosis of patients with and without AD.
机译：阿尔茨海默氏病（AD）是一种退化性脑部疾病，影响着全球数百万人。随着美国和全球人口的老龄化，阿尔茨海默氏病的患病率只会增加。反过来，AD的社会和经济成本将为全球许多家庭和看护者创造一个艰难的环境。通过结合通过阿尔茨海默氏病神经影像学计划（ADNI）随时间收集的遗传信息，脑部扫描和临床数据，我们提出了一种新的联合高阶多模态多任务特征学习方法，以预测认知功能和诊断有和没有AD的患者。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号