There are many active research projects accessing and applying shared ADNI data. Use the search above to find specific research focuses on the active ADNI investigations. This information is requested annually as a requirement for data access.
| Principal Investigator | |
| Principal Investigator's Name: | jiajun dang |
| Institution: | qiqihaerdaxue |
| Department: | jisuanji |
| Country: | |
| Proposed Analysis: | 分析数据需要您提供数据集阿尔茨海默氏病（AD）的特征是严重的记忆力减退和认知障碍。它与重要的大脑结构变化相关，可以通过磁共振成像（MRI）扫描来测量。可观察到的临床前结构变化为使用图像分类工具（例如卷积神经网络（CNN））进行AD早期检测提供了机会。但是，当前大多数与AD相关的研究都受到样本量的限制。寻找一种有效的方法来训练有限数据上的图像分类器至关重要。在我们的项目中，我们探索了基于CNN的用于AD预测脑结构MRI图像的各种转移学习方法。我们发现，与从头开始训练的深层CNN相比，具有2D表示方法的预训练2D AlexNet和具有预训练的3D自动编码器的简单神经网络都提高了预测性能。比使用自动编码器的3D CNN（86％）高86 ％）。 |
| Additional Investigators | |
| Investigator's Name: | gang mu |
| Proposed Analysis: | 阿尔茨海默氏病（AD）的特征是严重的记忆力减退和认知障碍。它与重要的大脑结构变化相关，可以通过磁共振成像（MRI）扫描来测量。可观察到的临床前结构变化为使用图像分类工具（例如卷积神经网络（CNN））进行AD早期检测提供了机会。但是，当前大多数与AD相关的研究都受到样本量的限制。寻找一种有效的方法来训练有限数据上的图像分类器至关重要。在我们的项目中，我们探索了基于CNN的用于AD预测脑结构MRI图像的各种转移学习方法。我们发现，与从头开始训练的深层CNN相比，具有2D表示方法的预训练2D AlexNet和具有预训练的3D自动编码器的简单神经网络都提高了预测性能。比使用自动编码器的3D CNN（86％）高86 ％）。 |
