用深度学习为基础的T1权重磁共振图像分割的亚型分类对阿尔茨海默病缩尺度的自动评分

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 神经学 神经学

背景情况:

• 对阿尔茨海默病 (AD) 区域缩的视觉评分是耗时的,并且缺乏评级者协议.
• 有效的临床评估和研究需要客观的缩评分.

研究的目的:

• 开发使用深度学习对AD亚型分类进行细分的自动化缩评分.
• 使用MRI数据对视觉评估进行自动评分的验证.

主要方法:

• 使用了3,959名参与者的MRI扫描 (认知正常,MCI,AD).
• 使用深度学习软件 (Neurophet AQUA) 进行体积分析.
• 将自动化得分与神经放射学家的视觉评估进行了比较.

主要成果:

• 自动体积计分与AD,MCI和认知正常组的视觉分数高度相关.
• 在阿尔茨海默病和MCI参与者的缩得分方面取得了良好的或几乎完美的一致性.
• 在研究中证明了AD亚型化自动化得分的实用性.

结论:

• 通过深度学习自动化缩评分是AD和MCI的可靠工具.
• 这种方法可以增强临床环境和AD亚型的大规模多中心研究.