An automated supervised method for the diagnosis of Alzheimer&amp;#x2019;s disease based on fMRI data using weighted voting schemes

Tripoliti, Evanthia E.; Fotiadis, Dimitris; Argyropoulou, Maria I.

doi:10.1109/ist.2008.4659997

Cited by 7 publications

(4 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Khazaee et al [134] developed an automatic classification system based on SVM and fMRI images, where an accuracy of 97.5% was achieved distinguishing AD from healthy people. Tripoliti et al have carried out several works [135][136][137] where an accuracy of 88% was achieved in the same two-class classification problem. Furthermore, they also distinguished elderly CTLs, patients with very mild AD and those with mild AD with 80.5% of accuracy and introducing a fourth class of healthy young people they achieved 87% of accuracy.…”

Section: Functional Mri (Fmri)mentioning

confidence: 99%

On the early diagnosis of Alzheimer's Disease from multimodal signals: A survey

Alberdi

Aztiria

Basarab

2016

Artificial Intelligence in Medicine

162

View full text Add to dashboard Cite

Section: Functional Mri (Fmri)mentioning

confidence: 99%

On the early diagnosis of Alzheimer's Disease from multimodal signals: A survey

Alberdi

Aztiria

Basarab

2016

Artificial Intelligence in Medicine

162

View full text Add to dashboard Cite

“…While for predicting continuous outcomes, the random forest model will build regression trees [2] instead of classification trees, and then use model averaging techniques to combine the predictions from individual regression trees. This method has been shown to perform well in many classification and prediction scenarios[39, 40], including algorithmic approaches CSF[41], EEG[42] and fMRI [43, 44] findings. The random forest prediction model was performed using R package randomForest (V 4.5)[37], with all software default settings.…”

Section: Methodsmentioning

confidence: 99%

Molecular Neuropsychology: Creation of Test-Specific Blood Biomarker Algorithms

O’Bryant¹,

Xiao

Barber

et al. 2013

Dement Geriatr Cogn Disord

View full text Add to dashboard Cite

Background: Prior work on the link between blood-based biomarkers and cognitive status has largely been based on dichotomous classifications rather than detailed neuropsychological functioning. The current project was designed to create serum-based biomarker algorithms that predict neuropsychological test performance. Methods: A battery of neuropsychological measures was administered. Random forest analyses were utilized to create neuropsychological test-specific biomarker risk scores in a training set that were entered into linear regression models predicting the respective test scores in the test set. Serum multiplex biomarker data were analyzed on 108 proteins from 395 participants (197 Alzheimer patients and 198 controls) from the Texas Alzheimer's Research and Care Consortium. Results: The biomarker risk scores were significant predictors (p < 0.05) of scores on all neuropsychological tests. With the exception of premorbid intellectual status (6.6%), the biomarker risk scores alone accounted for a minimum of 12.9% of the variance in neuropsychological scores. Biomarker algorithms (biomarker risk scores and demographics) accounted for substantially more variance in scores. Review of the variable importance plots indicated differential patterns of biomarker significance for each test, suggesting the possibility of domain-specific biomarker algorithms. Conclusions: Our findings provide proof of concept for a novel area of scientific discovery, which we term ‘molecular neuropsychology'.

show abstract

“…Στο βήμα της ταξινόμησης εξετάστηκαν δύο διαφορετικοί ταξινομητές: (α) ο αλγόριθμος των τυχαίων δασών [112,114,250] καθώς και κάποιες τροποποιήσεις αυτού [115,116,118,2510] και (β) οι μηχανές διανυσμάτων υποστήριξης [118,252].…”

Section: ταξινόμηση με χρήση των τυχαίων δασών και μηχανών διανυσμάτων υποστήριξηςunclassified

“…Στην παρούσα ενότητα παρουσιάζονται τροποποιήσεις του αλγορίθμου των τυχαίων δασών προκειμένου να επιτευχθεί ο παραπάνω στόχος (βελτίωση της απόδοσης του αλγορίθμου). Οι τροποποιήσεις παρεμβαίνουν είτε στον τρόπο κατασκευής των ταξινομητών, είτε στον τρόπο ψηφοφορίας, είτε και στα δύο [115][116][117][118]251] n είναι ο αριθμός των δειγμάτων εκπαίδευσης που ανήκουν στην κλάση i , .j n είναι ο αριθμός των δειγμάτων εκπαίδευσης με την j th τιμή για το δοθέν χαρακτηριστικό, nl είναι το πλήθος των δειγμάτων εκπαίδευσης και ij n είναι το πλήθος των δειγμάτων εκπαίδευσης που ανήκουν στην κλάση i με την j th τιμή για το δοθέν χαρακτηριστικό.…”

Section: ταξινόμηση με χρήση τροποποιήσεων του αλγορίθμου τυχαίων δασώνunclassified

Αυτόματη ανάλυση λειτουργίας εγκεφάλου σε άτομα με τη νόσο Alzheimer βασισμένη στον αλγόριθμο τυχαίων δασών

Τριπολίτη¹

View full text Add to dashboard Cite

12 2.2 Εγκεφαλική ενεργοποίηση 13 2.2.1 Ακολουθίες τύπου BOLD 13 2.2.2 Αντίδραση BOLD 14 2.3 Διαδικασία λήψης εικόνων -Τύποι fMRI πειραμάτων 17 2.3.1 Σχεδιασμός block 18 2.3.2 Σχεδιασμός event related 18 2.4 Πλεονεκτήματα και μειονεκτήματα της απεικόνισης fMRI 20 2.5 Χωρική και χρονική ανάλυση της απεικόνισης fMRI 20 2.5.1 fMRI χρονοσειρές 20 2.6 Εφαρμογές της τεχνικής fMRI 21 2.6.1 Γνωσιακή νευροεπιστήμη 21 2.6.2 Κλινικές εφαρμογές της fMRI 23 ΚΕΦΑΛΑΙΟ 3. ΑΝΑΣΚΟΠΗΣΗ ΤΗΣ ΒΙΒΛΙΟΓΡΑΦΙΑΣ 25 3.1Μέθοδοι ανάλυσης εικόνων fMR για τον εντοπισμό διαφορών μεταξύ φυσιολογικών και παθολογικών ατόμων 25 3.2 Μέθοδοι ανάλυσης εικόνων fMR για τη δημιουργία δείκτη διάγνωσης της νόσου Alzheimer 36 3.3 Περιληπτική αναφορά στις μεθόδους της βιβλιογραφίας 40 ΚΕΦΑΛΑΙΟ 4. ΠΡΟΤΕΙΝΟΜΕΝΗ ΜΕΘΟΔΟΛΟΓΙΑ ΓΙΑ ΤΗ ΔΙΑΓΝΩΣΗ ΤΗΣ ΝΟΣΟΥ ALZHEIMER 57 4.1Προεπεξεργασία των εικόνων λειτουργικής απεικόνισης μαγνητικού συντονισμού 59 4.1.1. Διόρθωση στο χρόνο λήψης των τομών των 3D εικόνων fMR 60 v 4.1.2. Διόρθωση της κίνησης 4.1.3. Χωρική κανονικοποίηση 4.1.4. Φιλτράρισμα στο πεδίο του χώρου 4.2 Μοντελοποίηση των χρονοσειρών fMRI 4.2.1. Μέθοδοι ανάλυσης εικόνων fMR 4.2.2. Γενικευμένα Γραμμικά Μοντέλα 4.2.3. Χρονικές συσχετίσεις 4.2.4. Χωρικές συσχετίσεις 4.2.5. Χωρο-χρονικές συσχετίσεις 4.2.6. Εκτίμηση της δομής συσχέτισης και της διακύμανσης 4.2.7. Δημιουργία χαρτών ενεργοποίησης 4.3. Εξαγωγή χαρακτηριστικών 4.3.1. Χαρακτηριστικά που χρησιμοποιούνται στην κλινική πράξη για τη διάγνωση της νόσου Alzheimer 4.3.2. Χαρακτηριστικά που εξήχθηκαν για τη διάγνωση της νόσου Alzheimer 4.4. Επιλογή χαρακτηριστικών 4.4.1. Επιλογή χαρακτηριστικών βασισμένη στη συσχέτιση 4.5.Ταξινόμηση με χρήση των τυχαίων δασών και μηχανών διανυσμάτων υποστήριξης 4.5.1. Ταξινόμηση με χρήση του αλγορίθμου τυχαίων δασών 4.5.2. Ταξινόμηση με χρήση τροποποιήσεων του αλγορίθμου τυχαίων δασών 4.5.3. Ταξινόμηση με χρήση των μηχανών διανυσμάτων υποστήριξης 4.6. Εξαγωγή κανόνων από τα δέντρα που συνθέτουν το τυχαίο δάσος ΚΕΦΑΛΑΙΟ 5. ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΡΟΤΕΙΝΟΜΕΝΗΣ ΜΕΘΟΔΟΛΟΓΙΑΣ ΓΙΑ ΤΗ ΔΙΑΓΝΩΣΗ ΤΗΣ ΝΟΣΟΥ ALZHEIMER 5.1 Περιγραφή της βάσης δεδομένων 5.2 Αποτελέσματα προτεινόμενης μεθοδολογίας 5.2.1 Αποτελέσματα επιλογής χαρακτηριστικών 5.2.2 Αποτελέσματα ταξινόμησης με χρήση του αλγορίθμου τυχαίων δασών 5.2.3 Αποτελέσματα ταξινόμησης με χρήση των τροποποιήσεων του αλγορίθμου τυχαίων δασών. 5.2.4 Αποτελέσματα ταξινόμησης με χρήση των μηχανών διανυσμάτων υποστήριξης 5.2.5 Σύγκριση των αλγορίθμων ταξινόμησης 5.2.6 Αποτελέσματα εφαρμογής των κανόνων που εξήχθηκαν 5.2.7 Σύγκριση της προτεινόμενης μεθοδολογίας με τη βιβλιογραφία ΚΕΦΑΛΑΙΟ 6. ΤΡΟΠΟΠΟΙΗΣΕΙΣ ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ ΤΩΝ ΤΥΧΑΙΩΝ ΔΑΣΩΝ 6.1 Τροποποιήσεις του μηχανισμού κατασκευής των ταξινομητών των τυχαίων δασών 6.2 Τροποποιήσεις του μηχανισμού ψηφοφορίας των τυχαίων δασών 6.2.1 Τροποποιήσεις που αναθέτουν βάρη στις ψήφους των δέντρων 6.2.2 Τροποποιήσεις που επιλέγουν υποσύνολα δέντρων των τυχαίων δασών 6.3 Τροποποιήσεις του μηχανισμού κατασκευής και ψηφοφορίας των τυχαίων δασών ΚΕΦΑΛΑΙΟ 7. ΤΡΟΠΟΠΟΙΗΣΕΙΣ ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ ΤΥΧΑΙΩΝ ΔΑΣΩΝ: ΑΠΟΤΕΛΕΣΜΑΤΑ 7.1 Περι...

show abstract

An automated supervised method for the diagnosis of Alzheimer’s disease based on fMRI data using weighted voting schemes

Cited by 7 publications

References 24 publications

On the early diagnosis of Alzheimer's Disease from multimodal signals: A survey

On the early diagnosis of Alzheimer's Disease from multimodal signals: A survey

Molecular Neuropsychology: Creation of Test-Specific Blood Biomarker Algorithms

Αυτόματη ανάλυση λειτουργίας εγκεφάλου σε άτομα με τη νόσο Alzheimer βασισμένη στον αλγόριθμο τυχαίων δασών

Contact Info

Product

Resources

About