通过T1加权MRI诊断阿尔茨海默病的人工智能:系统审查

科学领域:

• 神经成像和医学的人工智能
• 神经学和计算神经科学

背景情况:

• 阿尔茨海默病 (AD) 是痴呆的主要原因,其表现为认知衰退和大脑变化.
• 缺乏有效的治疗方法;目前的干预措施集中在减缓进展和控制症状上.
• 神经成像,特别是磁共振成像 (MRI),提供了关于阿尔茨海默氏症大脑变化的见解.

研究的目的:

• 系统地审查使用人工智能的研究来分类阿尔茨海默氏症的两个以上阶段.
• 使用T1加权的MRI数据分析人工智能模型的性能,包括机器学习 (ML) 和深度学习 (DL).

主要方法:

• 利用人工智能对T1加权MRI进行AD阶段分类的研究进行系统审查.
• 对卷积神经网络 (CNN),非卷积神经网络和传统ML方法的评估.
• 对分类准确度,特征提取能力和数据预处理要求的分析.

主要成果:

• CNN的平均分类精度为85.93%,在直接从成像数据中提取特征方面表现出色.
• 非卷积神经网络和传统的ML模型也表现出强的表现,平均准确率分别为82.50%和84.22%.
• 输入数据选择对ML和DL模型在AD分类中的性能产生重大影响.

结论:

• 人工智能,特别是像CNN这样的DL技术,显示出使用T1加权MRI准确的AD分类的巨大潜力.
• 应对方法的多样性和数据集的局限性等挑战对于临床翻译至关重要.
• 推进人工智能应用可以导致更早的AD检测,更精细的分类和更好的患者管理策略.