Synthetic Memories项目结合艺术与生成AI，探索通过合成记忆辅助老年人回忆疗法。该项目利用AI生成的图像和视频，帮助患者回忆个人经历，增强互动体验，拓展了回忆疗法的新可能性。

本研究提出一种两阶段自监督学习方法，以解决痴呆症患者行为模式分析不足的问题，提升模型可解释性，支持认知状态预测和个性化护理干预。

阿尔茨海默病和睡眠障碍之间存在紧密联系，睡眠模式的中断经常在轻度认知障碍（MCI）和早期 AD 发作之前出现。研究探讨利用通过多导睡眠监测仪（PSG）获得的与睡眠相关的脑电图（EEG）信号用于早期 AD 检测的潜力。半监督深度学习技术在 EEG 信号分类中具有潜力，可用于早期 AD 检测。

一项新研究发现，睡眠不能帮助大脑排出毒素。使用荧光染料观察小鼠大脑，发现睡眠和麻醉状态下，染料清除速度降低。这对研究痴呆症很重要，因为睡眠不足与阿尔茨海默氏症风险相关。研究人员指出，睡眠对大脑其他功能仍然重要。

研究者提出了随机皮质自重建（SCSR）的概念，使用MRI厚度作为输入创建个体特异的健康参考，并考虑混淆因素。模型在多个数据集上进行了评估，并在临床自有数据上帮助区分四种类型的痴呆症。

该研究使用Transformer DL模型和降级版本，通过困惑度比率在健康和损伤个体的语言上获得了接近于最先进性能的技术，并演示了GPT-D产生与AD相关的语言异常特征的能力。这对于更好地理解生成神经语言模型的内部工作机制、它们产生的语言以及痴呆症对人类语音和语言特征的不良影响是一步。