Date of Award

4-2020

Document Type

Dissertation

Degree Name

Doctor of Philosophy (PhD)

Department

Philosophy

First Advisor

Mohamed H. Al-Marzouqi

Abstract

Dementia is a condition in which higher mental functions are disrupted. It currently affects an estimated 57 million people throughout the world. Dementia diagnosis is difficult since neither anatomical indicator nor functional testing are currently sufficiently sensitive or specific. There remains a long list of outstanding issues that must be addressed. First, multimodal diagnosis has yet to be introduced into the early stages of dementia screening. Second, there is no accurate instrument for predicting the progression of pre-dementia. Third, non-invasive testing cannot be used to provide differential diagnoses. By creating ML models of normal and accelerated brain aging, we intend to better understand brain development. The combined analysis of distinct imaging and functional modalities will improve diagnostics of accelerated decline with advanced data science techniques, which is the main objective of our study. Hypothetically, an association between brain structural changes and cognitive performance differs between normal and accelerated aging. We propose using brain MRI scans to estimate the cognitive status of the cognitively preserved examinee and develop a structure-function model with machine learning (ML). Accelerated aging is suspected when a scanned individual’s findings do not align with the usual paradigm. We calculate the deviation from the model of normal aging (DMNA) as the error of cognitive score prediction. Then the obtained data may be compared with the results of conducted cognitive tests. The greater the difference between the expected and observed values, the greater the risk of dementia. DMNA can discern between cognitively normal and mild cognitive impairment (MCI) patients. The model was proven to perform well in the MCI-versus-Alzheimer’s disease (AD) categorization. DMNA is a potential diagnostic marker of dementia and its types.

Comments

الخرف هو حالة مرضية تتعطل فيها الوظائف العقلية للشخص، و يؤثر مرض الحرف حالياً على ما يقدر بنحو 57 مليون شخص حول العالم. وبعد تشخيص الحرف صعبا بسبب عدم كفاءة المؤثرات التشريحية و الاختبارات الوظيفية الحالية ، حيث أنه لا يزال هناك العديد من القضايا المعلقة التي يجب معالجتها مثل، ادخال الوسائط المتعددة لتشخيص المراحل المبكرة من مرض الحرف و عدم وجود اداة دقيقة للتنبؤ بمرض الحرف قبل تطوره ، و أخيرا أنه لا ممكن استخدام الاختيار غير الجراحي لتوفير التشخيص التفريقي للمرض. الهدف الرئيسي لهذه الدراسة هو التمكن من إنشاء نماذج التعلم الآلي لشيخوخة الدماغ الطبيعية والمتسارعة ، حيث سنتمكن من فهم نمو الدماغ بشكل أفضل، وسيؤدي التحليل المشترك للتصوير المتميز والطرائق الوظيفية إلى تحسين تشخيص التدهور المتسارع، وذلك باستخدام تقنيات علوم البيانات المتقدمة. نظريا، يختلف الإرتباط بين التغيرات الهيكلية للدماغ والأداء المعرفي بان الشيخوخة الطبيعية والمتسارعة، و تقارح في هذه الدراسة استخدام فحوصات التصوير بالرنين المغناطيسي (MRI) للدماغ لتقدير الحالة المعرفية للممتحن الحفوظ معرفي وتطوير نموذج هيكل وظيفي باستخدام خاصية التعلم الآلي، وعادة ما يشتبه في حدوث الشيخوخة المتسارعة عندما لا تتوافق نتائج القرد الذي تم مع النموذج، و يتم حساب الإنحراف من نموذج الشيخوخة الطبيعية (DMNA) كمنا في توقع النتيجة العرفية ثم يتم مقارنة البيانات التي تم الحصول عليها بنتائج الاختبارات المعرفية التي تم إجراؤها. كلما زاد الإختلاف بين القيم التوقعة و التي تم ملاحملتها ، راد خطر الإصابة بالحرف. يمكن الحساب الانحراف عن نموذج الشيخوخه الطبيعية (DMNA)‏ التمييز بين مرضى ضعف الإدراك المتوسط (يني) وبين مرضى ضعف الادراك المادي، وقد أثبتت الأبحاث أن النموذج يعمل بشكل جهد في تصنيف ضعف الادراك الخفيف مقابل مرض الزهايمر. لذلك يعتبر حساب الانحراف عن نموذج الشيخوخة الطبيعية (DMNA) علامة تشخيصية محتملة للخرف وأنواعه.مفاهيم البحث الرئيسية: الشبكة العصبية التلافيفية ، رابطة هيكلية وظيفية ، مرض الحرف، التنكس العصبي، الانحراف عن نموذج الشيخوخة الطبيعية .

Download

Share

COinS