通过使用人工智能技术,提高认知障碍患者痴呆症的自动检测和分类
Shoayee Dlaim Alotaibi1,2, Abeer A K Alharbi3
1Department of Artificial Intelligence and Data Science, College of Computer Science and Engineering, University of Hail, Hail, Saudi Arabia. s.alotaibi@uoh.edu.sa.
这项研究介绍了一种人工智能技术,用于使用MRI扫描检测早期痴呆症. 使用人工智能技术 (EADCD-TIPAIT) 在使用人工智能技术的思维障碍者中提高痴呆症的自动检测和分类,在分类痴呆症方面达到95%的准确性.
科学领域:
- 神经学 神经学
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- 痴呆症是一个日益严重的公共卫生问题,特别是在老年人中.
- 有效的痴呆症护理受到越来越多的患病率和复杂性的挑战.
- 机器学习 (ML) 和人工智能 (AI) 为痴呆症护理规划和管理提供了潜在的解决方案.
研究的目的:
- 引入使用人工智能技术 (EADCD-TIPAIT) 的增强智力障碍者痴呆症自动检测和分类方法.
- 利用人工智能和MRI进行自动化痴呆症检测和分类.
- 改善早期诊断和痴呆症护理中的患者结果.
主要方法:
- 利用磁共振成像 (MRI) 进行大脑分析.
- 应用z-score规范化用于数据预处理.
- 用于特征选择的二进制灰斑优化 (BGGO).
- 使用波形神经网络 (WNN) 分类器进行检测和分类.
- 优化WNN超参数使用改进的Salp Swarm算法 (ISSA).
主要成果:
- 在检测和分类痴呆症方面,EADCD-TIPAIT技术表现出高性能.
- 在痴呆症预测数据集上达到95.00%的卓越准确度.
- 综合方法有效地确定了区分正常和受损大脑区域的相关特征.
结论:
- 人工智能与MRI的整合显著提高了痴呆症诊断的准确性.
- EADCD-TIPAIT技术为早期痴呆症的检测和分类提供了一个有希望的方法.
- ML模型可以通过早期检测,个性化治疗和疾病进展监测来改变痴呆症护理.
更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
06:46Automated, Long-term Behavioral Assay for Cognitive Functions in Multiple Genetic Models of Alzheimer's Disease, Using IntelliCage
Published on: August 4, 2018
相关概念视频
Dementia
The progression of dementia is generally gradual....
Alzheimer's Disease: Overview
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ...
Alzheimer's Disease: Treatment
Cognitive Development During Adulthood
Cognitive Enhancers: Cholinesterase Inhibitors and NMDA Receptor Antagonists
