对人工智能辅助时钟绘制测试的注意力双向交互网络,对早期视觉空间缺陷的评估
Raksit Raksasat1, Surat Teerapittayanon2, Sirawaj Itthipuripat3,4
1Computational Molecular Biology Group, Faculty of Medicine, Chulalongkorn University, Bangkok, Thailand.
Scientific reports
|October 23, 2023
概括
这项研究引入了一个人工智能系统,API-Net,用于自动评分用于痴呆症检测的时钟绘图测试 (CDT). API-Net提高了识别边界病例的准确性,有助于早期诊断和干预神经疾病.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 痴呆症显著损害了认知功能和自我照顾能力.
- 时钟绘图测试 (CDT) 是用于痴呆症查的常见工具.
- 正确区分正常和边界CDT结果是具有挑战性的,可能会延迟诊断和治疗.
研究的目的:
- 开发一个自动化系统来评分时钟绘图测试 (CDT),以帮助检测痴呆症.
- 使用人工智能提高区分正常和边缘性痴呆病例的准确性.
主要方法:
- 用于自动CDT评分,采用了一个深度学习模型 - - 专注对对互动网络 (API-Net).
- API-Net使用对比学习方法对图像对进行训练,这与标准的监督方法不同.
- 该模型的性能在3108名受试者的数据集上进行了评估,并与VGG16,ResNet-152和DenseNet-121进行了比较.
主要成果:
- 性能最好的API-Net模型在推断舒尔曼CDT得分时获得了0.79的F1得分.
- 与ResNet-152.2获得的F1得分为0.76相比,这代表了3%的绝对改善.
- 该研究证明了API-Net在区分CDT图像中的微妙差异方面的有效性.
结论:
- 拟议的API-Net系统为客观CDT评分提供了一个有希望的自动化解决方案.
- 这种人工智能驱动的方法可以提高痴呆症检测的准确性,特别是在边界病例中.
- 代码和数据集的可用性有助于进一步的研究和临床应用.
更多相关视频
07:04Virtual Reality Tools for Assessing Unilateral Spatial Neglect: A Novel Opportunity for Data Collection
Published on: March 10, 2021
4.0K
07:12Development of a Gaze-Contingent Display Framework Designed for Perceptual and Oculomotor Research with Simulated Central Vision Loss
Published on: April 11, 2025
405
