通过深度学习揭示的独特的大脑形态学模式改善了对失语症严重程度的预测
Alex Teghipco1, Roger Newman-Norlund1, Julius Fridriksson1
1University of South Carolina.
Research square
|July 18, 2023
概括
使用卷积神经网络 (CNN) 的深度学习模型通过分析超出损伤的脑缩模式,准确地预测中风后失言症的严重程度. 这些模型的性能优于传统方法,为中风患者提供了更好的预后.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 脑卒中后失言症的严重程度受到主要病变以外的因素的影响.
- 失语症的个体间变异性表明其他大脑完整性因素也参与其中.
- 脑缩模式,包括它们的空间分布,可以解释剩余的变化.
结论:
- 三维缩模式与失语症的严重程度直接相关.
- 深度学习为改善基于神经成像的行为结果预测提供了潜在的潜力.
- 在神经成像数据中分析空间依赖性可以提高中风后恢复的预测.
