精选理由
这篇论文用贝叶斯网络模拟阿尔茨海默病的AT(N)级联，比黑箱预测更可解释。它从ADNI数据中找到了tau扩散的关键时间窗，对神经影像研究有参考价值。
该论文提出BN-LTE（贝叶斯网络与潜在时间嵌入）框架，用于阿尔茨海默病进展的阶段感知因果建模。模型从基线生物标志物图像估计疾病伪时间，并依据AT(N)级联顺序约束有向依赖。在ADNI数据上，BN-LTE在tau蛋白扩散的空间重建上优于多个预测基线。模型识别出中伪时间窗口的淀粉样蛋白敏感性，并通过g-formula对比、AIPW和鲁棒性分析验证。代码已在GitHub公开。
AI 翻译 · 中文
该论文提出BN-LTE（贝叶斯网络与潜在时间嵌入）框架，用于阿尔茨海默病进展的阶段感知因果建模。模型从基线生物标志物图像估计疾病伪时间，并依据AT(N)级联顺序约束有向依赖。在ADNI数据上，BN-LTE在tau蛋白扩散的空间重建上优于多个预测基线。模型识别出中伪时间窗口的淀粉样蛋白敏感性，并通过g-formula对比、AIPW和鲁棒性分析验证。代码已在GitHub公开。
Alzheimer's disease (AD) progression is often described through the amyloid-tau-neurodegeneration, or AT(N), cascade. However, most longitudinal models represent this cascade either as a fixed sequence of biomarkers or a…