Filtreler

2019 - 201912020 - 20241
Filtreleri Sıfırla

Ayarlar

Konu: Alzheimer's disease ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Alzheimer hastalığında olağan durum ağı bağlantısallığı
    (Türkiye Sinir Ve Ruh Sağlığı Derneği, 2019-12) Yıldırım, Elif; Soncu Büyükişcan, Ezgi
    Amaç: Alzheimer hastalığı (AH) beyinde yapısal ve işlevsel değişimler meydana getiren nörodejeneratif bir hastalıktır. Gelişen beyin görüntüleme yöntemleri sayesinde AH patolojisine eşlik eden yapısal ve işlevsel bağlantılardaki bozulmalar gitgide daha görünür hale gelmiştir. AH’de dinlenim durumu bağlantısallığında, özellikle de olağan durum ağı (default mode network - DMN) olarak adlandırılan içsel bağlantısallık ağında farklılaşmalar görülmektedir. Bu çalışmada DMN bağlantısallık bulgularının incelenmesi ve tartışılması amaçlanmıştır. Yöntem: İşlevsel manyetik rezonans görüntüleme (fMRI) çalışmalarında en yaygın kullanılan 2 temel metodoloji (tohum temelli ve bağımsız bileşen analizi) temel alınarak alanda yapılan çalışmalar incelenmiştir. Bulgular: Çalışmalar genel olarak, DMN bağlantısallığının AH süreci boyunca ilerleyici bir şekilde bozulduğunu göstermektedir. DMN alt sistemlerinin AH’nin preklinik ve prodromal evrelerinde farklı bağlantısallık örüntüleri gösterdiği de belirtilmektedir. DMN’deki bozulmanın diğer bağlantısallık ağlarındaki farklılaşma ile ilişkili olabileceğini öne süren kanıtlar da mevcuttur. Buna ek olarak, bulgular DMN’nin AH ile ilişkili nöropatoloji ve genetik risk faktörleri ile olan ilişkisine de işaret etmektedir. Sonuç: AH’nin beyinde başta DMN olmak üzere diğer dinlenim durumu ağlarında işlevsel bozulmalara yol açan yaygın bir diskonneksiyon sendromu olduğu öne sürülebilir. Buna ek olarak, preklinik vakalarda ve risk taşıyan kişilerde de saptanabilen AH ile ilişkili işlevsel bağlantısallık değişimleri AH için muhtemel bir biyo-belirteç olabilir.
  • Küçük Resim
    Yayın
    Automated diagnosis of Alzheimer’s Disease using OCT and OCTA: a systematic review
    (Institute of Electrical and Electronics Engineers Inc., 2024-08-06) Turkan, Yasemin; Tek, Faik Boray; Arpacı, Fatih; Arslan, Ozan; Toslak, Devrim; Bulut, Mehmet; Yaman, Aylin
    Retinal optical coherence tomography (OCT) and optical coherence tomography angiography (OCTA) have emerged as promising, non-invasive, and cost-effective modalities for the early diagnosis of Alzheimer's disease (AD). However, a comprehensive review of automated deep learning techniques for diagnosing AD or mild cognitive impairment (MCI) using OCT/OCTA data is lacking. We addressed this gap by conducting a systematic review using the Preferred Reporting Items for Systematic Review and Meta-Analysis (PRISMA) guidelines. We systematically searched databases, including Scopus, PubMed, and Web of Science, and identified 16 important studies from an initial set of 4006 references. We then analyzed these studies through a structured framework, focusing on the key aspects of deep learning workflows for AD/MCI diagnosis using OCT-OCTA. This included dataset curation, model training, and validation methodologies. Our findings indicate a shift towards employing end-to-end deep learning models to directly analyze OCT/OCTA images in diagnosing AD/MCI, moving away from traditional machine learning approaches. However, we identified inconsistencies in the data collection methods across studies, leading to varied outcomes. We emphasize the need for longitudinal studies on early AD and MCI diagnosis, along with further research on interpretability tools to enhance model accuracy and reliability for clinical translation.