用生理学数据和ECD SPECT图像预测阿尔茨海默病和血管痴呆症的分类

科学领域:

• 神经科学是一个神经科学.
• 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) 和血管痴呆 (VaD) 是常见的,经常重叠的痴呆类型.
• 由于类似的神经心理和病理特征,区分AD和VaD具有挑战性.
• 目前在台湾的诊断包括临床评估,实验室测试和Tc-99m-ECD SPECT成像.

研究的目的:

• 探索使用临床数据和Tc-99m-ECD SPECT图像来区分AD和VaD的可行性.
• 应用机器学习和深度学习用于客观的痴呆症分类.
• 评估AI模型在临床数据集上的诊断性能.

主要方法:

• 利用了来自112名AD和85名VAD患者的生理数据 (33个特征) 和Tc-99m-ECD SPECT图像.
• 使用支持矢量机递归特征消除 (SVM RFE) 和Inception V3进行训练的分类模型.
• 使用Grad-CAM热图用于模型可视化和与SPM分析进行比较.

主要成果:

• 生理学数据在区分AD/VaD时达到81.22%的准确度和0.836的AUC.
• 在SPECT图像上训练的Inception V3模型达到85%的准确性和0.95的AUC.
• 人工智能模型展示了对痴呆症差异化的客观特征提取.

结论:

• 机器学习和深度学习模型可以有效地区分AD和VaD使用临床数据和神经成像.
• 这种人工智能驱动的方法为痴呆症诊断提供了一种快速客观的方法.
• 这些发现支持将人工智能纳入临床实践,以改善痴呆症分类.