基于RAnet-ET的精神分裂症分类:基于眼睛跟踪的resnet注意力网络
Ruochen Dang1,2,3,4, Ying Wang5, Feiyu Zhu1,4
1Key Laboratory of Spectral Imaging Technology, Xi'an Institute of Optics and Precision Mechanics (XIOPM), Chinese Academy of Sciences, Xi'an 710119, People's Republic of China.
Journal of neural engineering
|March 26, 2025
概括
这项研究开发了一个AI模型,使用眼睛跟踪 (ET) 数据来分类精神分裂症. 将ET数据与认知得分相结合,获得了超过96%的准确性,有助于客观地诊断精神分裂症.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 精神病学是一个精神病学.
背景情况:
- 精神分裂症的诊断缺乏客观的,可量化的方法.
- 与健康个体相比,精神分裂症患者表现出不同的眼动模式.
研究的目的:
- 利用眼睛跟踪 (ET) 数据开发一种基于人工智能的精神分裂症分类模型.
- 改善对精神分裂症的客观辅助诊断.
主要方法:
- 收集了来自292名参与者的ET数据 (159名精神分裂症患者,133名对照患者),使用无图像观看,平滑追逐和固定稳定性测试.
- 开发了一个基于Resnet的ET关注网络 (RAnet-ET) 来从自由查看ET数据中对精神分裂症进行分类.
- 提出了一个多式分类器,集成RAnet-ET功能,100个ET变量和19个MATRICS共识认知电池 (MCCB) 评分.
主要成果:
- 对于精神分裂症分类,RAnet-ET获得了89.04%的准确性,90.56%的特异性和87.87%的F1评分.
- 多模式分类器表现出卓越的性能,准确率为96.37%,特异性为95.87%,F1得分为96.37%.
结论:
- 通过使用具有集成注意力机制的自由查看ET数据,RAnet-ET有效地对精神分裂症进行分类.
- 将ET数据特征与MCCB分数相结合,显著提高了分类性能,为精神分裂症诊断提供了强大的工具.
