卷积神经网络可以在帕金森病中检测静止性低血压,使用静止状态的功能近红外光谱数据

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 医学诊断 医学诊断 医学诊断

背景情况:

• 像帕金森病 (PD) 这样的神经系统疾病经常影响血管系统,导致血液流量发生变化.
• 功能近红外光谱 (fNIRS) 是一种通过测量信号来监测血液动力学变化的技术.
• 静止性低血压是PD的常见并发症,影响血压调节.

研究的目的:

• 研究由卷积神经网络 (CNN) 分析的静止状态fNIRS数据的实用性,用于评估正静性低血压PD.
• 为此诊断任务,将CNN与其他机器学习方法的性能进行比较.
• 确定特定数据选择策略 (包括相关性矩阵) 对诊断准确性的影响.

主要方法:

• 从参与者那里获取静态功能近红外光谱 (fNIRS) 数据.
• 卷积神经网络 (CNN) 的应用,用于分析fNIRS信号.
• 基于不同输入数据选择的诊断准确性的评估,包括相关性矩阵.

主要成果:

• CNN在分析fNIRS数据用于PD评估方面表现出显著的有效性,优于其他机器学习方法.
• 审慎的输入数据选择提高了准确度超过85%.
• 将相关性矩阵作为输入进一步提高了诊断准确度,达到90%以上.

结论:

• 基于CNN对fNIRS数据的分析是一种有前途的方法,用于诊断和管理正静性低血压的帕金森病.
• 这种方法提高了诊断准确度,特别是在静止状态下.
• fNIRS-CNN方法提供了一种不那么侵入性和潜在的安全替代传统诊断方法,如头向上倾斜测试.