关于通过使用深度神经网络和聚合功能的光学连贯性断层扫描数据改进精神分裂症检测
Paweł Karczmarek1, Małgorzata Plechawska-Wójcik2, Adam Kiersztyn1
1Department of Computational Intelligence, Lublin University of Technology, ul. Nadbystrzycka 38B, 20-618, Lublin, Poland.
Scientific reports
|December 31, 2024
概括
研究人员使用光学连贯断层扫描 (OCT) 探索视网膜形态,以确定精神分裂症生物标志物. 机器学习模型成功地将患者与对照区分开来,突出显示了视网膜在诊断这种精神障碍方面的潜力.
科学领域:
- 神经科学是一个神经科学.
- 眼科医生 眼科 眼科
- 医疗成像医学成像
背景情况:
- 精神分裂症是一种复杂的精神障碍,没有明确的生物标志物.
- 视网膜是中枢神经系统的一部分,在精神分裂症中表现出改变.
- 视网膜形态学是确定与疾病相关的生物标志物的有前途领域.
研究的目的:
- 使用光学一致性断层扫描 (OCT) 数据评估视网膜层.
- 用OCT数据将精神分裂患者与健康对照区分开来.
- 评估机器学习模型的有效性,特别是聚合方法,用于分类精神分裂症的神经解剖特征.
主要方法:
- 利用光学一致性断层扫描 (OCT) 进行详细的视网膜层评估.
- 应用基于1D卷积神经网络 (CNN) 的个体模型进行分类.
- 采用多种模型对分类结果的聚合,以提高诊断准确度.
主要成果:
- 通过使用OCT数据,成功地将精神分裂患者与健康对照区分开来.
- 通过测试超过30万个聚合运算符变体,获得了令人满意的分类结果.
- 证明了聚合方法在改善初始分类性能方面的有效性.
结论:
- 由OCT评估的视网膜形态显示了作为精神分裂症生物标志物的潜力.
- 机器学习,特别是聚合技术,可以有效地分类与精神分裂症相关的神经解剖特征.
- 对视网膜生物标志物的进一步研究可能会导致改善精神分裂症的诊断工具.
