Detecting label noise in longitudinal Alzheimer’s data with explainable artificial intelligence

Abstract Reliable classification of cognitive states in longitudinal Alzheimer’s Disease (AD) studies is critical for early diagnosis and intervention. However, inconsistencies in diagnostic labeling, arising from subjective assessments, evolving clinical criteria, and measurement variability, intro...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Paolo Sorino, Angela Lombardi, Domenico Lofù, Tommaso Colafiglio, Antonio Ferrara, Fedelucio Narducci, Eugenio Di Sciascio, Tommaso Di Noia
Format:	Artigo
Język:	Inglês
Wydane:	SpringerOpen 2025-06-01
Seria:	Brain Informatics
Hasła przedmiotowe:	Alzheimer’s disease Explainable artificial intelligence SHAP Noisy labels Machine learning Longitudinal studies
Dostęp online:	https://doi.org/10.1186/s40708-025-00261-2
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!