计算机科学>机器学习
标题: 通过反事实推理确定淀粉样β累积与阿尔茨海默病进展的因果关系
摘要: 阿尔茨海默病(AD)是一种神经退行性疾病,最初是淀粉样变,随后是神经元的丢失和结构、功能和认知的恶化。 通过18F-氟哌啶(AV45)正电子发射断层成像(PET)测量大脑中淀粉样β的积累,已广泛用于AD的早期诊断。然而,淀粉样β积累与AD病理生理学之间的关系尚不清楚, 需要因果推断方法来揭示淀粉样蛋白β水平如何影响AD的发展。 本文提出了一种图变系数神经网络(GVCNet),用于使用图卷积神经网络估计连续治疗水平下的个体治疗效果, 用于测量淀粉样β累积和AD病理生理学之间的区域因果关系,这可能是早期诊断和定制护理的有力工具。