使用在扩散MRI上训练的卷积神经网络进行大脑年龄分析和痴呆症分类:在印度和北美群体中的测试
bioRxiv : the preprint server for biology
|February 19, 2024
概括
将扩散权重MRI (dMRI) 添加到深度学习模型中,可以改善阿尔茨海默病的分类. 将数据集与3D CycleGAN协调,在不同人群中增强了模型性能.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 深度学习模型,特别是卷积神经网络 (CNN),用于阿尔茨海默病 (AD) 的分类和痴呆症严重程度评估,使用T1加权的大脑MRI.
- 现有的研究往往依赖于数据集,如阿尔茨海默病神经成像计划 (ADNI),主要包括北美和欧洲祖先的参与者.
- 这些模型对印度等多样化人口的通用性仍然是研究的关键领域.
结论:
- 扩散加权MRI提供了有价值的信息,可以显著提高阿尔茨海默病检测深度学习模型的准确性.
- 数据协调技术对于提高神经成像AI模型在不同患者群体中的通用性至关重要.
- 未来的研究应该专注于整合多模式MRI数据和强大的协调策略,以开发更公平,更有效的神经系统疾病的AI诊断工具.
更多相关视频
09:33Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases
Published on: July 28, 2013
28.4K
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.3K
