相关实验视频
Updated: Jun 10, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
通过视网膜成像和可靠的人工智能早期发现痴呆症
Jinkui Hao1, William R Kwapong2, Ting Shen3
1Laboratory of Advanced Theranostic Materials and Technology, Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences, Ningbo, China.
NPJ digital medicine
|October 20, 2024
概括
一个新的AI框架,Eye-AD,可以使用视网膜扫描检测早期阿尔茨海默病 (AD) 和轻度认知障碍 (MCI). 这种非侵入性方法为痴呆症诊断提供了一个潜在的负担得起和快速的方法.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 阿尔茨海默氏症 (AD) 是一个重大的全球健康挑战.
- 目前对阿尔茨海默病和轻度认知障碍 (MCI) 的诊断方法可能是侵入性的,昂贵的或缺乏可访问性.
- 对于早期检测而言,急需简单,负担得起和非侵入性诊断工具.
研究的目的:
- 引入Eye-AD,这是一个新的深度学习框架,用于检测早期发病的阿尔茨海默病 (EOAD) 和MCI.
- 为了评估眼睛AD的疗效,使用光学一致性断层扫描血管图像 (OCTA) 图像.
- 探索视网膜微血管结构变化与认知衰退之间的相关性.
主要方法:
- 开发了Eye-AD,这是一个深度学习模型,利用多层次图形表示来分析OCTA图像.
- 在来自1671名参与者的5751张OCTA图像的多中心数据集上训练并验证了该模型.
- 采用深度学习解释性分析来理解模型预测和识别关键生物标志物.
主要成果:
- 眼睛AD在检测EOAD (AUC=0.9355内部,0.9007外部) 和MCI (AUC=0.8630内部,0.8037外部) 中取得了高性能.
- 该模型确定了OCTA图像中的视网膜结构生物标志物与EOAD/MCI之间的关联.
- 解释性分析证实了已识别的视网膜生物标志物的生物学相关性.
结论:
- 当与人工智能分析时,视网膜OCTA成像显示出作为一种快速,非侵入性和负担得起的痴呆症检测方法的承诺.
- 眼部AD显示了利用眼部生物标志物的潜力,用于早期诊断AD等神经退行性疾病.
- 这种人工智能驱动的方法可以显著改善阿尔茨海默病和MCI的早期检测和管理.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
12:48In Vivo Dynamics of Retinal Microglial Activation During Neurodegeneration: Confocal Ophthalmoscopic Imaging and Cell Morphometry in Mouse Glaucoma
Published on: May 11, 2015
10.6K
