一种深度学习方法,用于自动评分雷伊-奥斯特里特复杂图形
Nicolas Langer1,2,3, Maurice Weber4, Bruno Hebling Vieira1,2,3
1Methods of Plasticity Research, Department of Psychology, University of Zurich, Zurich, Switzerland.
eLife
|November 28, 2024
概括
这项研究引入了一种人工智能系统,可以自动为Rey-Osterrieth复杂图形测试进行评分,从而提高从图纸中评估记忆缺陷的准确性和效率.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 记忆力缺陷在神经和精神疾病中很常见.
- 雷-奥斯特里斯复杂图形 (ROCF) 测试是评估非语言视觉记忆的标准工具.
- 手动ROCF评分是主观的,耗时的,容易变化.
研究的目的:
- 开发和验证用于自动化ROCF评分的深度学习模型.
- 提高ROCF评估的客观性,可靠性和效率.
- 为医疗机构提供一个数字工具来评估记忆性能.
主要方法:
- 收集了来自不同参与者的20,000多张手绘ROCF图像.
- 利用众包的人类智能进行公正的地面真相评分.
- 训练并评估一个多头卷积神经网络 (CNN) 用于自动得分.
主要成果:
- 人工智能模型展示了高度公正的预测,与地面真相得分密切匹配.
- 在得分准确度方面,CNN在线评级者和人类临床医生都超过了CNN.
- 该系统可靠地识别和评分单个图形元素,增强可解释性.
- 在一项大型,独立,预先注册的前性研究中验证了性能.
结论:
- 一个由人工智能驱动的系统可以客观,可靠和高效地对ROCF图纸进行评分.
- 这项技术为全球评估记忆缺陷提供了有价值的数字工具.
- 自动化ROCF评分有潜力标准化和改进神经心理学评估.
