相关实验视频
Updated: Aug 3, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
用多式眼科成像和人工神经网络预测认知障碍,用于社区查
Zi Jin1,2, Xuhui Chen3, Chunxia Jiang4
1Department of Biomedical Engineering, Peking University Shenzhen Graduate School, Shenzhen, China.
The British journal of ophthalmology
|May 2, 2024
概括
多模式眼科成像与人工神经网络相结合,有效预测老年人的认知障碍. 这种方法为社区查提供了高准确度,可以检测神经退行和血管病变的早期迹象.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 认知障碍影响着老年人口的很大一部分.
- 早期发现认知障碍对于及时干预至关重要.
- 眼科成像为系统健康提供了一个非侵入性的窗口,包括神经疾病.
研究的目的:
- 评估多式眼科成像与人工神经网络相结合的多式眼科成像对认知障碍的预测能力.
- 在老年人群中调查眼科参数和认知状态之间的关系.
主要方法:
- 招募认知障碍患者和认知健康的对照人群.
- 使用定制的多式眼科成像,包括瞳孔光反应,多光谱成像,激光光斑对比成像和视网膜氧计.
- 使用后勤回归和反向传播神经网络 (BPNN) 进行预测分析.
主要成果:
- 与逻辑回归相比,BPNN显示出更好的预测性能 (准确度:0.91与0.69).
- 确定了与认知障碍相关的特定眼科参数,包括瞳孔收缩,静脉直径,血流和视网膜反射率的变化.
- 报告了关于降低流量加速指数和改变认知障碍中的氧化代谢的新发现.
结论:
- 多模式眼科成像揭示了同时发生的视网膜光谱签名变化,神经退行症和认知障碍中的血管病变.
- 多式眼科成像和BPNN的结合是预测认知障碍的高性能工具.
- 这种综合方法显示出对认知衰退的有效社区查的希望.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
7.8K