改善不同人口群体的痴呆症分类:使用视觉变压器基于时钟绘图测试的连续评分

科学领域:

• 老年学是一门学科.
• 人工智能在医学中的应用
• 神经科学是一个神经科学.

背景情况:

• 阿尔茨海默氏症和相关痴呆症 (ADRD) 显著影响老年人的福祉.
• 时钟绘图测试 (CDT) 是一种常见的痴呆症查工具,但手动编码是繁的,容易出错.
• 目前的CDT评分方法通常是顺序的,这限制了大规模研究的精度.

研究的目的:

• 使用深度学习神经网络 (DLNN) 开发一个连续时钟绘图测试 (CDT) 评分.
• 评估DLNN生成的连续CDT得分在老年人痴呆症分类中的有效性.
• 为了比较连续CDT得分与传统序列得分的性能.

主要方法:

• 深度学习模型使用来自国家健康和衰老趋势研究 (NHATS) 的CDT图像进行训练.
• 产生了顺序和连续CDT分数.
• 用修改的NHATS痴呆症分类算法作为基准计算了接收器操作特征曲线 (AUC) 下的面积.

主要成果:

• 与普通得分相比,连续CDT得分产生了更细致的痴呆症分类值.
• 确定了特定的人口统计学值,黑人,受教育程度较低的人和90岁以上的人的值较低.
• 连续分数提供了比顺序分数更平衡的灵敏度和特异性概况.

结论:

• 由DLNN生成的连续CDT得分显示了提高痴呆症分类准确性的前景.
• 确定特定人口群体的门表明,对痴呆症查采取了更具包容性和适应性的方法.
• 这种方法可以为CDT在临床实践和研究环境中使用提供改进的指导方针.