一个远程医疗分析框架,用于完全和半自动的阿尔茨海默病查,使用时钟绘图测试

科学领域:

• 老年学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 超过600万65岁以上的美国人有患阿尔茨海默氏症相关痴呆症 (ADRD) 的风险.
• 时钟绘图测试 (CDT) 提供了一个简单的ADRD选方法,但目前的方法缺乏验证和多式联络数据集成.
• 现有的CDT研究往往依赖于手工制作的特征,忽视各种数据模式和强大的验证.

研究的目的:

• 提出一个统一的远程医疗框架,用于使用全自动和半自动方法进行早期ADRD查.
• 通过多式联运和敏捷数据融合,提高ADRD查效率.
• 用Grad-CAM和LLE等技术确保模型的可解释性和验证性.

主要方法:

• 开发一个远程医疗框架,将CDT图像与人口和认知数据相结合.
• 实施完全自动选,仅使用CDT图像.
• 应用半自动选与多式联运数据融合.
• 使用梯度加权类激活映射 (Grad-CAM) 和局部线性嵌入 (LLE) 进行模型解释和验证.

主要成果:

• 完全自动化的方法实现了81的AUC,回忆率为75%.
• 采用多式联网数据融合的半自动方法,AUC达到90%,回忆率为83%.
• 美国有线电视新闻网的可视化确定了关键的CDT特征 (轮,尺度,时钟针),记忆测试被强调为选的关键.

结论:

• 拟议的远程医疗框架有效地使用CDT选ADRD.
• 多模式数据融合显著提高了ADRD查的准确性和回忆力.
• 这项研究证明了人工智能和远程医疗在可访问和验证的ADRD早期检测方面的潜力.