基于磁共振放射学的深度学习模型用于诊断阿尔茨海默病的诊断
Zengbei Yuan1, Na Qi1, Xing Chen1
1Department of Nuclear Medicine, Shanghai East Hospital, School of Medicine, Tongji University, Shanghai, China.
Digital health
|April 29, 2025
概括
分析MRI放射性特征的深度学习模型显示出对诊断阿尔茨海默病 (AD) 和轻度认知障碍 (MCI) 的前景. 这种方法准确地区分了AD,MCI和正常的对照,有助于早期检测.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 阿尔茨海默病 (AD) 的进展与大脑结构变化和认知衰退有关.
- 磁共振成像 (MRI) 和深度学习 (DL) 为AD诊断提供了潜力.
研究的目的:
- 提出和评估使用MR放射性特征诊断阿尔茨海默病的DL模型.
- 评估模型在区分AD,轻度认知障碍 (MCI) 和正常对照 (NC) 的表现.
主要方法:
- 利用两个独立的队列 (ADNI和华山医院) 与MRI数据.
- 预先处理的MRI扫描,提取放射性特征,并使用最小绝对收缩和选择运算符 (LASSO) 模型进行特征选择.
- 实施了TabNet DL模型用于使用选定的放射性特征进行AD诊断.
主要成果:
- 该模型在三向分类 (AD vs. MCI vs. NC) 中获得了0.8728的平均曲线下面面积 (AUC) 和0.7111的准确性.
- 二元分类性能显示出高AUC值,AD与NC达到0.9506,准确度为0.9222.2.
结论:
- MR DL 放射性模型在诊断阿尔茨海默病和区分疾病阶段方面表现出色.
- 这种方法证实了将放射学和深度学习整合到阿尔茨海默病诊断中的价值.
