通过使用机器学习和人工智能的神经成像方式检测帕金森病:系统性审查

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 机器学习 (ML) 和人工智能 (AI) 越来越多地应用于医疗成像,用于临床决策.
• 区分帕金森病 (PD) 和健康对照 (HC) 是一个关键的应用领域.

研究的目的:

• 系统地审查和评估ML / AI算法的性能,以区分PD与HC在各种医学成像模式中.
• 确定趋势,并为该领域的未来研究提供建议.

主要方法:

• 对130项研究进行了系统审查.
• 分析ML/AI技术,包括卷积神经网络 (CNN),支持矢量机器 (SVM),随机森林和集合方法.
• 包括六种成像方式:多巴胺SPECT,PET ([18F]FDG,[18F]DOPA,[11C]raclopride),结构MRI,功能MRI和扩散MRI.

主要成果:

• 多巴胺SPECT和PET,特别是CNN,表现出高性能 (>90%的灵敏度,特异性和准确性).
• 最佳算法性能在成像模式和数据源之间有所不同,表明结果细微.
• 对于每种成像技术,都确定了新兴趋势.

结论:

• ML/AI算法显示了PD诊断医学成像方面的巨大潜力.
• 当与先进的ML/AI相结合时,多巴胺SPECT和PET是非常有效的模式.
• 需要进一步的研究,以优化基于特定的成像模式和数据特征的算法选择.