数学模型和人工智能用于诊断阿尔茨海默病的疾病

科学领域:

• 神经学 神经学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 阿尔茨海默病 (AD) 的特点是神经系统退化,认知能力下降和行为变化.
• 早期发现痴呆症,阿尔茨海默氏症的一个症状,对于个性化患者护理至关重要.
• 视觉线索和人工智能可以帮助诊断与AD相关的心理健康状况.

研究的目的:

• 评估两种不同的AI方法来诊断与阿尔茨海默氏症相关的精神健康障碍.
• 为了比较支持向量机 (SVM) 和深度卷积神经网络 (CNN) 的诊断准确度.

主要方法:

• 支持向量机 (SVM) 方法:用于图像特征提取的碎形建模和图像直方图的高斯分布建模.
• 使用各种SVM内核进行分类.
• 深度卷积神经网络 (CNN) 方法:采用CNN架构,从视觉线索中识别与阿尔茨海默氏症相关的精神障碍.

主要成果:

• 该SVM方法在识别测试图像方面取得了超过93%的准确性.
• 在模型训练过程中,CNN的方法显示了100%的准确性.
• 在测试中,CNN模型达到98.8%的准确率,明显高于SVM的89.3%准确率.

结论:

• 拟议的深度卷积神经网络架构显示了对患者精神状态的诊断评估的巨大潜力.
• 与SVM相比,CNN提供了一种更准确,更可靠的方法来检测与阿尔茨海默氏症相关的心理健康问题.
• 这种人工智能驱动的方法可以帮助更早,更准确地诊断阿尔茨海默病.