Deutsch
 
Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
  K-operator as a predictor for Alzheimer-Perusini’s disease

Mannone, M., Marwan, N., Fazio, P., Ribino, P. (2025): K-operator as a predictor for Alzheimer-Perusini’s disease. - Procedia Computer Science, 256, 731-738.
https://doi.org/10.1016/j.procs.2025.02.173

Item is

Dateien

einblenden: Dateien
ausblenden: Dateien
:
Mannone_2025_1-s2.0-S1877050925005307-main.pdf (Verlagsversion), 2MB
Name:
Mannone_2025_1-s2.0-S1877050925005307-main.pdf
Beschreibung:
-
OA-Status:
Gold
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Copyright Datum:
-
Copyright Info:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Mannone, Maria1, Autor
Marwan, Norbert2, Autor                 
Fazio, Peppino1, Autor
Ribino, Patrizia1, Autor
Affiliations:
1External Organizations, ou_persistent22              
2Potsdam Institute for Climate Impact Research, ou_persistent13              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Progressive memory loss occurring in age-related neurological diseases contributes to the disgregation of the individual, with serious personal and social consequences. We model the brain network damage provoked by a neurological disease through a physics-inspired mathematical operator, K. Acting on a diseased brain, K provides the disease time evolution. Focusing on Alzheimer-Perusini’s disease (AD), we approximate the K-operator considering selected patients of the ADNI 2 dataset. We also propose K as a predictor for the disease progress over time and give its preliminary evaluation in the AD progression from the cognitive normal (CN) stage to AD through intermediate mild cognitive impairment (MCI) stages.

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2025-03-112025-03-11
 Publikationsstatus: Final veröffentlicht
 Seiten: 8
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: Expertenbegutachtung
 Identifikatoren: DOI: 10.1016/j.procs.2025.02.173
MDB-ID: No data to archive
PIKDOMAIN: RD4 - Complexity Science
Organisational keyword: RD4 - Complexity Science
Working Group: Development of advanced time series analysis techniques
Research topic keyword: Nonlinear Dynamics
Research topic keyword: Health
Research topic keyword: Complex Networks
Model / method: Nonlinear Data Analysis
Model / method: Quantitative Methods
OATYPE: Gold Open Access
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Procedia Computer Science
Genre der Quelle: Zeitschrift, Scopus, oa
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 256 Artikelnummer: - Start- / Endseite: 731 - 738 Identifikator: CoNE: https://publications.pik-potsdam.de/cone/journals/resource/1701261
Publisher: Elsevier