综合性审查:机器和深度学习在脑中风诊断中的作用
João N D Fernandes1,2,3, Vitor E M Cardoso4,3, Alberto Comesaña-Campos5,6
1INESC TEC, 4200-465 Porto, Portugal.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
机器学习和深度学习显示出预测脑中风 (脑血管事故) 风险和改善患者护理的前景. 本综述分析了人工智能在中风诊断中的应用,并强调了改善健康监测的未来研究方向.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 神经学 神经学
背景情况:
- 脑中风 (脑血管事故) 是全球死亡和残疾的主要原因.
- 精确预测和诊断中风对于有效的管理和患者的结果至关重要.
- 现有的分析方法与中风风险因素的复杂性作斗争.
研究的目的:
- 综合审查机器学习 (ML) 和深度学习 (DL) 在脑中风诊断中的应用.
- 在人工智能驱动的中风分析中确定当前的挑战和未来的研究方向.
- 为脑中风研究提供相关数据集的精选列表.
主要方法:
- 在2020-2024年期间发表的25篇评论论文的系统审查,遵守PRISMA指南.
- 专注于ML/DL应用在中风分类,细分和物体检测方面.
- 评估用于预测性健康监测的先进传感器系统.
主要成果:
- ML和DL技术为识别中风预测因子提供先进的数据处理.
- 这些人工智能方法提高了诊断准确度,并使个性化护理建议成为可能.
- 该审查综合了人工智能模型性能评估和验证的发现.
结论:
- 人工智能,特别是ML和DL,具有改变脑中风诊断和患者护理的巨大潜力.
- 需要进一步的研究来应对当前的挑战,并优化神经学中的AI应用.
- 与人工智能集成的先进传感器系统可以改善对中风的预测健康监测.
更多相关视频
10:25Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping
Published on: September 25, 2019
48.0K
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.2K
