基于MRI与对比学习的客观痴呆症严重程度尺度:全脑神经成像视角
Yike Zhang1,2, Wenliang Fan3, Xi Chen1,2
1School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan 430074, China.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
这项研究引入了基于MRI (ODSS-MRI) 的客观痴呆症严重程度尺度,用于阿尔茨海默病 (AD) 评估. 与传统方法相比,人工智能模型提供了更准确,更可靠的神经功能评估.
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) 严重程度评估对于诊断和治疗至关重要.
- 传统的评估方法存在主观性,准确性低,细节性有限的问题.
- 需要客观可靠的评估工具来克服当前的局限性.
研究的目的:
- 根据MRI (ODSS-MRI) 开发一个客观的痴呆症严重程度尺度.
- 利用对比学习和深度学习用于AD患者的神经功能自动评估.
- 为神经功能提供全面,公正的评估.
主要方法:
- 开发了一个深度学习框架,包含一个对比式学习策略.
- 利用结构磁共振图像 (MRI) 进行自动化分析.
- 在阿尔茨海默病神经成像计划 (ADNI) 数据集上训练并验证了模型.
主要成果:
- 与现有方法相比,ODSS-MRI显示与AD阶段的相关性有88.55%的改善.
- 该模型有效地捕捉了AD进展过程中的神经功能变化.
- 在区分AD阶段方面,ODSS-MRI的表现优于传统的精神病学评分表.
结论:
- 在阿尔茨海默病中,ODSS-MRI提供了一种优越的客观方法来评估神经功能.
- 人工智能驱动的方法提供了比传统尺度更准确和更细致的评估.
- 这项技术有可能显著改善阿尔茨海默病的诊断和治疗监测.


