配备视觉变压器的卷积神经网络用于使用3DMRI扫描进行阿尔茨海默病自动诊断
Zhen Zhao1, Pauline Shan Qing Yeoh2, Xiaowei Zuo3
1Department of Electrical Engineering, Faculty of Engineering, Universiti Malaya, Kuala Lumpur, Malaysia.
Frontiers in neurology
|December 31, 2024
概括
一个新的AI模型,VECNN,使用3DMRI扫描精确诊断阿尔茨海默病 (AD). 这种非侵入性方法提供了一种具有成本效益和客观的方法,用于早期检测和个性化治疗AD.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 阿尔茨海默病 (AD) 是一个日益严重的全球健康问题.
- 目前阿尔茨海默病的诊断方法往往是主观的和昂贵的.
- 准确和早期诊断对于有效的阿尔茨海默病管理至关重要.
研究的目的:
- 为改进阿尔茨海默病诊断开发一种新的AI模型.
- 为了提高使用3D磁共振成像 (MRI) 的诊断准确度.
- 提供一种非侵入性,具有成本效益和客观的诊断工具.
主要方法:
- 开发了一个配备视觉变压器的卷积神经网络 (VECNN).
- 该VECNN模型是使用阿尔茨海默病神经成像计划 (ADNI) 数据集进行训练和验证的.
- 该数据集包括来自阿尔茨海默病患者,健康对照组 (HC) 和轻度认知障碍 (MCI) 患者的2,248张3DMRI图像.
主要成果:
- 该VECNN模型实现了高诊断性能.
- 准确率: 92.14% 的准确率: 92.14% 的准确率.
- 精度:86.84%,灵敏度:93.27%,特异性:89.95%在区分AD,HC和MCI时.
结论:
- VECNN模型显示出作为阿尔茨海默病诊断的有价值的临床工具的巨大潜力.
- 这种由人工智能驱动的方法提供了一个非侵入性的,客观的和具有成本效益的诊断替代方案.
- 这些发现支持了早期发现阿尔茨海默病和个性化治疗策略的进展.
