Resumen

La enfermedad de Alzheimer (EA) consiste en el proceso gradual de disminución del volumen y la calidad de la conexión neuronal en el cerebro, que consiste en la integridad sináptica gradual y la pérdida de funciones cognitivas. En los últimos años, se ha prestado gran atención a la clasificación y detección temprana de la EA con algoritmos de aprendizaje automático. Existen diferentes técnicas de neuroimagen para capturar datos y utilizarlos en la tarea de clasificación. Los datos de entrada como imágenes ayudarán a los modelos de aprendizaje automático a detectar diferentes biomarcadores para la clasificación de la EA. Este marcador tiene un papel más crítico para la detección de la EA que otras enfermedades porque el beta-amiloide puede extraer estructuras complejas con algunos iones metálicos. La mayoría de los investigadores se han centrado en el uso de redes neuronales convolucionales 3D y 4D para la clasificación de la EA debido a las cantidades razonables de datos. Además, las técnicas de neuroimagen combinadas, como la resonancia magnética funcional y la tomografía por emisión de positrones, para la detección de la EA han recibido recientemente mucha atención. Sin embargo, la recopilación de una combinación de datos puede ser cara, compleja y tediosa. Por razones de consumo de tiempo, la mayoría de los pacientes prefieren tirar de una de las técnicas de neuroimagen. Por lo tanto, en este artículo de revisión, hemos analizado diferentes estudios de investigación con varias técnicas de neuroimagen y métodos de ML para ver el efecto de utilizar datos combinados como entrada. El resultado ha demostrado que el uso del método combinado aumentaría la precisión de la detección de la EA. Además, según las métricas de sensibilidad de diferentes métodos de aprendizaje automático, la RMN y la RMNf mostraron resultados prometedores.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:clasificación de anuncios, detección de anuncios, técnicas, integridad sináptica gradual, combinación de datos, razón de consumo de tiempo, red neuronal convolucional, modelo de aprendizaje automático, precisión de los anuncios, estudio de diferentes investigaciones
• Keywords:ad classification, ad detection, techniques, gradual synaptic integrity, combination of data, time consumption reason, convolutional neural network, machine learning model, accuracy of ad, surveyed different research