Key points are not available for this paper at this time.
Mit dem Anstieg der älteren Bevölkerung betrifft die Alzheimer-Krankheit (AD), die häufigste Ursache für Demenz bei älteren Menschen, immer mehr ältere Menschen. Es ist entscheidend, dass ein Patient eine genaue und zeitnahe Diagnose von AD erhält. Die aktuelle Diagnostik beruht auf der Erfahrung der Ärzte und klinischen Tests, die leider erst durchgeführt werden, wenn deutliche AD-Symptome aufgetreten sind. In diesem Beitrag präsentieren wir unsere neuartige Lösung namens zeitbewusste TICC und CNN (TATC), um AD aus Aktigraphiedaten vorherzusagen. TATC ist eine multivariate Zeitreihenklassifizierungsmethode, die einen auf neuronaler Aufmerksamkeit basierenden Deep-Learning-Ansatz verwendet. Es bietet nicht nur eine genaue Vorhersage des AD-Risikos, sondern liefert auch eine sinnvolle Interpretation des täglichen Verhaltensmusters der Probanden. TATC bietet eine automatische, kostengünstige Lösung zur kontinuierlichen Überwachung der Veränderungen der körperlichen Aktivität der Probanden in der täglichen Lebensumgebung. Wir glauben, dass die zukünftige Implementierung von TATC sowohl Ärzten als auch Patienten bei der frühen Erkennung potenzieller AD-Risiken zugutekommen kann.
Li et al. (Do,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: