通过使用深度学习的3D结构性脑部MRI检测精神分裂症
Junhao Zhang1, Vishwanatha M Rao1, Ye Tian1
1Department of Biomedical Engineering, Columbia University, New York, NY, USA.
Scientific reports
|September 2, 2023
概括
深度学习使用标准的大脑MRI扫描精确检测精神分裂症. 人工智能模型识别了结构性大脑变化,大大提高了这种神经精神疾病的诊断准确性.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 精神病学是一个精神病学.
背景情况:
- 精神分裂症是一种慢性神经精神疾病,其特点是大脑结构的改变.
- 早期和准确的诊断对于管理精神分裂症至关重要.
- 目前的诊断方法可以通过先进的分析技术来改进.
研究的目的:
- 研究深度学习在通过结构性MRI检测精神分裂症方面的有效性.
- 开发和评估一个深度学习模型,以提高诊断准确度.
- 通过神经成像数据识别可预测精神分裂症的关键大脑区域.
主要方法:
- 使用了传统的T1加权MRI数据集.
- 使用标准后处理提取3D全脑结构.
- 开发并优化了一个深度学习模型 (3D CNN) 在三个独立数据集上进行评估.
主要成果:
- 深度学习模型在区分精神分裂症患者和健康对照者方面取得了高准确性 (AUC=0.987).
- 该模型的性能优于一个基准的3D CNN模型.
- 区域分析发现皮层下区域和心室具有高度的精神分裂症预测能力.
结论:
- 深度学习有效地检测出与精神分裂症相关的结构性大脑变化,而不是标准的MRI.
- 该模型显示了改善精神分裂症诊断和分类的巨大潜力.
- 皮下结构变化是精神分裂症的神经成像的主要标志.
