用于检测精神残疾的人工认知:阿尔茨海默病的视觉转换方法
Maram Fahaad Almufareh1, Samabia Tehsin2, Mamoona Humayun1
1Department of Information Systems, College of Computer and Information Sciences, Jouf University, Sakakah 72388, Saudi Arabia.
Healthcare (Basel, Switzerland)
|October 28, 2023
概括
这项研究引入了一种先进的机器学习方法,使用视觉转换器从MRI扫描中检测阿尔茨海默病. 这种新的方法实现了高精度,有助于早期诊断和改善患者护理.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 阿尔茨海默病 (AD) 是导致痴呆的主要原因,影响全球数百万人,需要早期诊断才能有效管理.
- 及时诊断阿尔茨海默病对于改善患者和护理人员的生活质量至关重要.
- 机器学习,特别是像磁共振成像 (MRI) 这样的神经成像数据,显示了AD检测的希望.
研究的目的:
- 开发和评估一种基于注意力的视觉转换器模型,用于使用MRI图像检测阿尔茨海默病.
- 评估拟议的机器学习技术在通过神经成像数据对阿尔茨海默病进行分类方面的有效性.
主要方法:
- 磁共振成像 (MRI) 数据的预处理.
- 实现基于注意力的视觉转换器网络,用于图像分类.
- 在公开可用的Kaggle数据集上对模型进行培训和验证.
主要成果:
- 提出的视觉变压器模型实现了高性能指标:准确率为99.06%,精度为99.06%,回忆率为99.14%,F1得分为99.1%.
- 对比分析表明,拟议方法在不同数据集上的现有最先进技术中表现优越.
- 该模型从MRI扫描中有效检测出阿尔茨海默病,显示出临床应用的巨大潜力.
结论:
- 基于注意力的视觉转换器方法提供了一种高度准确和有效的方法,用于使用MRI检测阿尔茨海默病.
- 这种人工智能驱动的技术有望为阿尔茨海默病的早期和可靠的诊断提供希望,并有可能改变患者管理.
- 这项研究强调了先进的机器学习模型在分析复杂的医学成像以识别神经系统疾病方面的能力.
