एआई और न्यूरोलॉजिकल दुर्लभ व न्यूरोइम्यून रोग ── 2026-10-10

तंत्रिका संबंधी दुर्लभ और न्यूरो-इम्यून रोगों तथा AI पर नए शोध-पत्र, जो जर्नल फ़ीड, PubMed (सभी जर्नलों में खोज) और OpenAlex (Google Scholar की जगह इस्तेमाल होने वाला सार्वजनिक सूचकांक) से एकत्र किए गए हैं, और जिन्हें Jev (भाषा-आधारित निर्णय लेने वाला AI) ने परखा है: मौलिक शोध, AI की केंद्रीय भूमिका, 9 रोग समूहों में से कौन-सा, उपचार या परीक्षण, और फिर दैनिक सीमा तक महत्व के आधार पर क्रमबद्ध। जर्नलों को इम्पैक्ट फ़ैक्टर के आधार पर नहीं छाँटा जाता; हर शोध-पत्र के साथ उसके जर्नल का IF-समतुल्य (OpenAlex का दो-वर्षीय औसत उद्धरण मान) और उस मान की तारीख दिखाई जाती है। हर प्रविष्टि में मूल सार पूरा दिखाया जाता है।

रोग के अनुसार पढ़ें: बुनियादी अनुसंधान（1） · एएलएस（0） · पार्किंसन（1） · आनुवंशिक न्यूरोडिजेनरेशन（0） · न्यूरोमस्कुलर（0） · मल्टीपल स्क्लेरोसिस（0） · NMOSD/MOGAD（0） · मायस्थीनिया ग्रेविस（0） · ऑटोइम्यून एन्सेफलाइटिस/CIDP/GBS（0）

न्यूरोडिजेनरेशन और न्यूरोइम्यूनोलॉजी अनुसंधान और AI

• बहुआयामी (मल्टीमॉडल) टेम्पोरल-स्पेक्ट्रल प्रतिनिधित्व और एक डुअल-ब्रांच CNN का उपयोग करके चाल (गेट) पर आधारित न्यूरोडिजेनेरेटिव रोग वर्गीकरण।
  Computer methods in biomechanics and biomedical engineering · 2026-10-08 · साक्ष्य: पूर्वव्यापी अवलोकनात्मक (मौजूदा डेटासेट पर मॉडल विकास और मूल्यांकन)
  सार

  न्यूरोडीजेनेरेटिव रोग (NDDs) अक्सर चाल में गड़बड़ी पैदा करते हैं, जिनके मोटर लक्षण आपस में मिलते-जुलते हैं, जिससे बहु-श्रेणी वर्गीकरण जटिल हो जाता है। यह अध्ययन पार्किंसन रोग, एमियोट्रॉफिक लेटरल स्क्लेरोसिस, हंटिंगटन रोग और स्वस्थ नियंत्रण समूह को वर्गीकृत करने के लिए एक हल्का डुअल-ब्रांच कन्वोल्यूशनल न्यूरल नेटवर्क प्रस्तावित करता है, जो वर्टिकल ग्राउंड रिएक्शन फ़ोर्स सिग्नल के रिकरेंस प्लॉट और स्पेक्ट्रोग्राम निरूपणों को एकीकृत करता है। 64 प्रतिभागियों वाले Gait in NDDs Dataset पर मूल्यांकन में प्रस्तावित ढाँचे ने 96.15% सटीकता हासिल की, जो रिकरेंस-आधारित (94.19%) और स्पेक्ट्रोग्राम-आधारित (95.75%) एकल-ब्रांच मॉडलों से बेहतर है। निष्कर्ष दिखाते हैं कि पूरक टेम्पोरल रिकरेंस और स्पेक्ट्रल जानकारी को मिलाने से कम कम्प्यूटेशनल जटिलता बनाए रखते हुए न्यूरोडीजेनेरेटिव चाल पैटर्न की पहचान बेहतर होती है।

  जर्नल IF-समतुल्य: 1.7 (OpenAlex 2-वर्षीय औसत उद्धरण दर, मान 2026-10-09 तक का, 2026-10-10 को प्राप्त; आधिकारिक Clarivate IF नहीं)
  संदर्भ: Ozeloglu İG, Akman Aydin E. Gait-based neurodegenerative disease classification using multimodal temporal–spectral representations and a dual-branch CNN. Computer Methods in Biomechanics and Biomedical Engineering. 2026 Oct 8 [Epub ahead of print]. doi:10.1080/10255842.2026.2736243.
  जाँचा गया: केवल सार

सभी 1 बुनियादी शोध पेपर देखें →

ALS: उपचार, परीक्षण और AI

इस अंक के लिए कोई नया योग्य पेपर नहीं।

पार्किंसन रोग और पार्किंसनिज़्म: उपचार, परीक्षण और AI

• AGMNet: an explainable gated multimodal framework integrating MRI heterogeneity and dopaminergic asymmetry for Parkinson's disease classification.
  Frontiers in artificial intelligence · 2026-09-24 · साक्ष्य: पूर्वव्यापी अवलोकनात्मक (मौजूदा इमेजिंग डेटा पर पाँच-गुना क्रॉस-वैलिडेशन के साथ मॉडल विकास)
  सार

  परिचय: पार्किंसन रोग (PD) एक न्यूरोलॉजिकल विकार है जो समय के साथ बिगड़ता जाता है और इसकी पहचान अंतर-गोलार्धीय असमानता, डोपामिनर्जिक अपक्षय और मस्तिष्क में संरचनात्मक परिवर्तनों से होती है। विधियाँ: यह शोध-पत्र एक नवीन दृष्टिकोण प्रस्तुत करता है: AGMNet- Adaptive Gated Multimodel Network, जो एक व्याख्यात्मक गेटेड मल्टीमॉडल डीप लर्निंग फ्रेमवर्क है, जो मज़बूत PD वर्गीकरण के लिए संरचनात्मक मैग्नेटिक रेजोनेंस इमेजिंग (MRI), डोपामाइन ट्रांसपोर्टर (DaT) इमेजिंग, असमानता-सजग निरूपण और बायोमार्कर विशेषताओं को जोड़ता है। प्रस्तावित AGMNet फ्रेमवर्क में Grad-CAM विधि को शामिल किया गया है ताकि उन छवि क्षेत्रों की पहचान करके मॉडल की व्याख्यात्मकता बढ़ाई जा सके जो वर्गीकरण निर्णयों को प्रभावित करते हैं। AGMNet फ्रेमवर्क के प्रदर्शन का मूल्यांकन पाँच-फोल्ड क्रॉस-वैलिडेशन से किया गया और इसकी तुलना VGG16, VGG19, InceptionV3 और Xception सहित स्थापित डीप लर्निंग आर्किटेक्चर से की गई। परिणाम: प्रस्तावित AGMNet ने 0.8318 की सटीकता, 0.8278 की संतुलित सटीकता, 0.8556 की संवेदनशीलता, 0.8000 की विशिष्टता, 0.711 का AUC और 0.6458 का मैथ्यूज़ सहसंबंध गुणांक (MCC) प्राप्त किया है। प्रस्तावित AGMNet मॉडल ने मूल्यांकित आधार-रेखा आर्किटेक्चर की तुलना में प्रतिस्पर्धी वर्गीकरण प्रदर्शन दिखाया। प्रस्तावित मॉडल में DaT इमेजिंग, असमानता-सजग विशेषताओं और बायोमार्कर निरूपणों के संयोजन ने अकेले MRI विशेषताओं की तुलना में संलयित निरूपण में अधिक सशक्त योगदान दिया। चर्चा: निष्कर्ष संकेत देते हैं कि AGMNet फ्रेमवर्क में अनुकूली मल्टीमॉडल संलयन PD वर्गीकरण के लिए पूरक संरचनात्मक, कार्यात्मक, असमानता-संबंधी और बायोमार्कर जानकारी के एकीकरण को बेहतर बना सकता है। सीखे गए गेट भार प्रस्तावित फ्रेमवर्क में कार्यात्मक और असमानता-सजग जानकारी की प्रासंगिकता को आगे प्रदर्शित करते हैं, जबकि Grad-CAM मॉडल के निर्णय लेने की प्रक्रिया में अतिरिक्त अंतर्दृष्टि प्रदान करता है। इसलिए, AGMNet फ्रेमवर्क मल्टीमॉडल PD वर्गीकरण के लिए एक संभावित रूप से उपयोगी और व्याख्यात्मक फ्रेमवर्क प्रदान करता है।

  जर्नल IF-समतुल्य: 6.0 (OpenAlex 2-वर्षीय औसत उद्धरण दर, मान 2026-10-09 तक, 2026-10-10 को प्राप्त; आधिकारिक Clarivate IF नहीं)
  संदर्भ: अभिनया टीजी, शिवशंकरी आर. AGMNet: पार्किंसन रोग वर्गीकरण के लिए MRI विषमांगता और डोपामिनर्जिक विषमता को एकीकृत करने वाला एक व्याख्यात्मक गेटेड मल्टीमॉडल ढांचा। Front Artif Intell. 2026 Sep 24;9:1849408. doi:10.3389/frai.2026.1849408; PMCID: PMC13645758.
  जाँचा गया: पूर्ण पाठ जाँचा गया

सभी 1 पार्किंसन पेपर देखें →

Hereditary neurodegenerative diseases: treatment, trials and AI

इस अंक के लिए कोई नया योग्य पेपर नहीं।

न्यूरोमस्कुलर रोग (मस्कुलर डिस्ट्रॉफी, SMA): उपचार, ट्रायल और AI

इस अंक के लिए कोई नया योग्य पेपर नहीं।

मल्टीपल स्क्लेरोसिस: उपचार, परीक्षण और AI

इस अंक के लिए कोई नया योग्य पेपर नहीं।

NMOSD और MOGAD: उपचार, परीक्षण और AI

इस अंक के लिए कोई नया योग्य पेपर नहीं।

मायस्थीनिया ग्रेविस: उपचार, परीक्षण और AI

इस अंक के लिए कोई नया योग्य पेपर नहीं।

ऑटोइम्यून एन्सेफलाइटिस, CIDP और गुइलेन-बैरे सिंड्रोम: उपचार, परीक्षण और AI

इस अंक के लिए कोई नया योग्य पेपर नहीं।