一个开放的数据集和机器学习算法,用于基于氨酸皮肤冲洗反应的精神疾病查

科学领域:

• 生物医学工程 生物医学工程
• 医疗保健中的人工智能
• 精神病诊断 精神病诊断 精神病诊断

背景情况:

• 尼亚皮肤发反应 (NSR) 显示为心理障碍诊断的客观生物标志物具有前景.
• 传统的统计方法在利用NSR进行精确诊断方面存在局限性.
• 人工智能 (AI) 为克服这些诊断挑战提供了一种变革性的方法.

研究的目的:

• 建立第一个开放式访问数据集,用于人工智能驱动的NSR分析.
• 开发先进的AI工具,以提高使用NSR的精神疾病的诊断准确度.
• 为心理健康评估创建一个设备独立的诊断方法.

主要方法:

• 开发了一个基于Efficient-Unet的深度学习模型,用于精确的NSR区域细分.
• 利用运行时数据增强来提高细分精度.
• 采用支持矢量机器 (SVM) 来基于提取的NSR特征进行精神疾病分类.
• 集成的5倍交叉验证,SMOTE和超参数调整,用于强大的SVM训练.

主要成果:

• 创建了一个由120个人 (对照组和患者) 的600张NSR图像组成的开放数据集.
• 人工智能工具展示了客观,快速和准确的诊断能力,独立于设备或条件.
• 基于机器学习 (ML) 的方法在各种疾病中实现了60.065.0%的灵敏度和75.088.3%的特异性.

结论:

• 先进的AI工具显示出精确诊断精神疾病的巨大潜力,可能超过人类的能力.
• 开放式数据集和新的方法代表了客观,准确的基于NSR的查的实质性进展.
• 设备独立性和增强的应用性有望推进全球心理健康诊断和患者结果.