一种视力转换器方法,用于完全自动化和可扩展的痴呆症查,使用时钟绘图测试图像

科学领域:

• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断
• 神经科学是一个神经科学.

背景情况:

• 时钟绘图测试 (CDT) 是一种有价值的痴呆症查工具,但需要训练有素的得分者,缺乏标准化.
• 对CDT图像的自动分析可以克服手动评分的局限性,并提高可访问性.

研究的目的:

• 开发和验证一个使用视觉变换器 (ViT) 模型用于从手绘CDT图像中检测痴呆症的自动诊断系统.
• 将ViT系统的性能与人类得分器和现有的深度学习模型进行比较.

主要方法:

• 为分析CDT图像,开发了一种具有卷积神经网络预处理的视觉转换器 (ViT) 架构.
• 该模型在国家健康和衰老趋势研究 (NHATS) 数据集 (n=54,027) 上进行了训练,并在多伦多痴呆症研究联盟 (TDRA) 队列 (n=862) 上进行了测试.

主要成果:

• 在独立的TDRA数据集上,ViT系统在痴呆症预测中实现了76.5%的平衡准确性.
• 这一表现超过了人类得分的特征 (74.3%) 和其他深度学习模型,包括MiniVGG (73.3%) 和MobileNetV2 (72.3%).

结论:

• 基于ViT的自动化系统提供了一种可扩展和可访问的方法,通过CDT图像分析进行远程认知查.
• 这种由人工智能驱动的方法消除了对训练有素的得分者的需求,并改善了在各种社会经济环境中诊断的可访问性.