预测和可解释的人工智能用于神经成像应用程序
1Department of Physical Medicine and Rehabilitation, Anam Hospital, Korea University College of Medicine, Seoul 02841, Republic of Korea.
Diagnostics (Basel, Switzerland)
|November 9, 2024
概括
预测和可解释的人工智能在神经成像方面表现有前途,提供一种非侵入性的决策支持系统. 这些人工智能模型在分类大脑疾病和预测疾病进展方面取得了很高的准确性.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 机器学习 机器学习
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 人工智能 (AI) 的进步正在改变神经成像.
- 预测和可解释的人工智能为分析大脑图像和相关疾病提供了新的能力.
研究的目的:
- 审查用于神经成像的预测性和可解释性AI的新进展.
- 在神经成像研究中突出了人工智能模型识别的性能和关键预测因素.
主要方法:
- 从2019年开始发表的30项PubMed研究的系统审查.
- 搜索术语包括"神经成像"与"机器学习"或"深度学习"相结合.
- 研究是根据参与者数据,人工智能干预和性能结果 (精度,AUC) 选择的.
主要成果:
- 人工智能模型表现出高性能,精度在58-96%,AUC在70-98%之间.
- 支持向量机器和卷积神经网络在分类任务中表现出最佳表现.
- 随机森林在回归任务中表现出色,各种人口,健康和神经成像因素被确定为关键预测因素.
结论:
- 预测和可解释的人工智能作为神经成像中的有效,非侵入性决策支持系统.
- 这些人工智能方法提高了对大脑图像和相关疾病的分析和理解.
