相关实验视频
Updated: Jun 30, 2025

Assessment and Communication for People with Disorders of Consciousness
Published on: August 1, 2017
使用深度学习框架精确检测意识障碍中的意识
Huan Yang1, Hang Wu2, Lingcong Kong3
1Guangdong Cardiovascular Institute, Guangdong Provincial People's Hospital, Guangdong Academy of Medical Sciences, Guangzhou 510080, China; Medical Big Data Center, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou 510080, China; Guangdong Provincial Key Laboratory of Artificial Intelligence in Medical Image Analysis and Application, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Guangzhou 510080, China.
通过静止状态fMRI进行深度学习,可以准确地检测意识障碍 (DOC) 的意识. DeepDOC模型区分最小意识状态 (MCS) 与不响应的清醒综合征 (UWS),并确定认知运动解离 (CMD) 中的隐藏意识.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 诊断意识障碍 (DOC) 是一个挑战.
- 尽管在其他神经系统疾病方面取得了成功,但DOC中的深度学习 (DL) 应用有限.
- 休息状态功能性MRI (rs-fMRI) 显示出对DOC患者的评估有希望.
研究的目的:
- 探索DL技术和rs-fMRI的组合,以在DOC中精确检测意识.
- 开发和验证DL框架,以区分最小意识状态 (MCS) 和不响应觉醒综合征 (UWS).
- 评估模型在患有认知运动解离症 (CMD) 的患者中识别隐藏意识的能力.
主要方法:
- 使用了来自三个地点的140名参与者的基准数据集 (76名UWS,25名MCS,39名对照).
- 一个基于3D EfficientNet-B3的级联DL框架"DeepDOC"被开发出来,以区分MCS和UWS.
- 为了测试CMD识别,使用了11名DOC患者的独立数据集.
主要成果:
- 在区分MCS与UWS方面,DeepDOC获得了0.927的AUC和0.861的准确性,超过了其他五种机器学习模型.
- DeepDOC在CMD识别方面表现出很高的表现,AUC为1和准确率为0.909.
- 梯度加权类激活映射突出显示后皮层 (视觉,,环膜,前) 和小脑对于分类至关重要.
结论:
- DeepDOC提供了一种方便而准确的方法,用于使用rs-fMRI检测MCS和CMD患者的隐藏意识.
- 这项研究验证了DL和rs-fMRI在改善DOC诊断方面的潜力.
- 这些发现强调了大脑后部区域在意识评估中的作用.
相关概念视频
Subconsciousness and No Awareness
An illustrative example of subconscious processing is its role in problem-solving. Often, individuals...
Understanding Consciousness
Sleep, a crucial state, is characterized by reduced...
High-Level and Low-Level Awareness
Altered States of Awareness
The ingestion of substances like stimulants or hallucinogens leads to chemical alterations in the brain...

