基于夜间多通道生理信号检测帕金森病的多式人工智能模型

科学领域:

• 神经学 神经学
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 帕金森病 (PD) 诊断依赖于临床症状,通常在显著的神经退行后出现.
• 目前的诊断方法缺乏客观的生物标志物,用于早期检测运动和非运动症状.
• 夜间生理信号为PD评估提供了丰富的,未充分利用的数据源.

研究的目的:

• 开发和验证用于早期发现帕金森病的多式混合人工智能模型.
• 整合心电图和心电图信号,用于全面分析PD症状.
• 为了研究睡眠障碍,肌肉异常和心率波动作为PD生物标志物的实用性.

主要方法:

• 利用了39名参与者的夜间多通道生理信号 (心电图,心电图) (13名PD患者,26名对照).
• 将信号分成10秒窗口,并将数据分为训练,验证和测试,使用5倍交叉验证.
• 开发了一种多式混合人工智能模型,专注于睡眠障碍,肌肉异常和心率变化.

主要成果:

• 人工智能模型在检测帕金森病时获得了99.40%的高平均F1得分.
• 在使用生理信号自动检测PD方面表现出卓越的性能.
• 突出了该模型用于早期和准确的PD诊断的潜力.

结论:

• 一个多式人工智能模型有效地使用夜间生理信号检测帕金森病.
• 该模型对将诊断能力扩展到多睡眠学 (PSG) 研究具有前景.
• 未来的工作包括将模型扩展到PSG数据,并结合注意力机制.