立陶宛考納斯大學的研究人員開發(fā)了一種基于深度學習的方法，可以從大腦圖像中預測阿爾茨海默病的可能發(fā)作，準確率超過 99%。該方法是在分析從 138 位受試者獲得的功能性 MRI 圖像時開發(fā)的，在準確性、靈敏度和特異性方面比以前開發(fā)的方法表現(xiàn)更好。
據(jù)世界衛(wèi)生組織稱，阿爾茨海默病是癡呆癥最常見的原因，占癡呆癥病例的 70%。全世界約有 2400 萬人受到影響，預計這個數(shù)字每 20 年就會翻一番。由于社會老齡化，該疾病將在未來幾年成為代價高昂的公共衛(wèi)生負擔。
“世界各地的醫(yī)療專業(yè)人員都試圖提高人們對早期阿爾茨海默氏癥診斷的認識，這為患者提供了更好的從治療中受益的機會。這是為 Modupe Odusami 博士選擇主題的最重要問題之一. 來自尼日利亞的學生，”考納斯理工大學 (KTU) 信息學學院多媒體工程系研究員 Rytis Maskeliūnas 說。導師。
委托給機器的圖像處理
阿爾茨海默氏癥可能的最初跡象之一是輕度認知障礙(MCI)，這是正常衰老和癡呆癥的預期認知衰退之間的階段。Maskeliūnas 表示，基于之前的研究，功能性磁共振成像 (fMRI) 可用于識別大腦中可能與阿爾茨海默病發(fā)作相關(guān)的區(qū)域。MCI的最早階段通常幾乎沒有明顯的癥狀，但在相當多的情況下可以通過神經(jīng)影像學檢測到。
然而，盡管理論上可行，但手動分析 fMRI 圖像試圖識別與阿爾茨海默氏癥相關(guān)的變化不僅需要特定的知識，而且非常耗時——深度學習和其他 AI 方法的應用可以大大加快這一過程。發(fā)現(xiàn) MCI 特征并不一定意味著存在疾病，因為它也可能是其他相關(guān)疾病的癥狀，但它更多地是指導醫(yī)療專業(yè)人員進行評估的指標和可能的幫手。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！