放射学引导的深度学习网络对帕金森症的差异诊断进行了分类

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 无线电学 (Radiomics) 是一种辐射学.

背景情况:

• 不典型帕金森综合征的差异诊断在临床上具有挑战性.
• F-氧葡萄糖正子发射断层扫描 (F-FDG PET) 对于诊断至关重要.
• 现有的方法可能缺乏解释性和精度.

研究的目的:

• 开发和验证用于帕金森综合征诊断的放射学引导深度学习 (DL) 模型.
• 发现可解释的DL特征用于差异诊断.
• 为了提高诊断的准确性,并提供生物学见解.

主要方法:

• 招募了1495名受试者 (220名健康对照,1275名IPD,MSA或PSP患者) 进行F-FDGPET扫描.
• 开发了基线放射学和两个DL模型.
• 提取的DL潜伏特征以放射学为导向,以提供可解释性.

主要成果:

• 放射学指导的DL模型的表现优于基线放射学方法.
• 丹森网实现了高诊断灵敏度 (95.7%的IPD,90.1%的MSA,91.2%的PSP).
• DL潜伏特征与放射性特征有显著的关联,并提供了生物学解释.

结论:

• 放射学引导的DL模型为区分帕金森症疾病提供了可解释的见解.
• 这种人工智能方法对个性化疾病监测和诊断充满希望.
• 深度学习与放射学相结合,可以提高神经退行性疾病的诊断能力.