双流变压器用于帕金森病患者的药物状态分类,使用面部视频

科学领域:

• 神经学 神经学
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 面部掩护症状的低血压是帕金森病 (PD) 中的一种关键的利沃多巴反应指标.
• 准确评估多巴胺类药物反应对于有效的PD管理至关重要.
• 目前评估药物反应的方法可以是侵入性的或主观的.

研究的目的:

• 开发和验证一种可解释的AI模型,用于区分PD患者的ON和OFF多巴胺作用药物状态.
• 评估模型在帕金森病严重程度的不同阶段的表现.

主要方法:

• 采用了一种独特的双流变压器模型,整合了面部框架特征和来自患者视频的光流.
• 模型架构涉及探索嵌入维度,密集层大小和注意力头的各种配置.
• 最终的模型是通过183名帕金森病患者的视频数据进行训练和评估的.

主要成果:

• 双流变压器模型在区分ON和OFF药物状态方面实现了86%的准确性.
• 在各种帕金森病严重程度阶段 (Hoehn和Yahr尺度) 观察到高达88%的一致分类表现.
• 该模型表现出强度和一致的性能,无论疾病进展如何.

结论:

• 开发的AI模型显示出作为一种非侵入性和具有成本效益的工具,用于远程监测PD治疗反应的显著潜力.
• 这项技术可以帮助临床医生准确评估患者对多巴胺作用药物的反应.
• 该模型在不同PD阶段的有效性表明其从早期到晚期疾病阶段的实用性.