首页 > 生活 >

AI通过大脑成像帮助诊断精神分裂症

发布时间:2024-10-20 18:04:52来源:

小编发现不少朋友对于 AI通过大脑成像帮助诊断精神分裂症 这方面的信息都比较感兴趣,小编就针对 AI通过大脑成像帮助诊断精神分裂症 整理了一些相关方面的信息 在这里分享给大家。

根据发表在5月《人工智能医学》杂志上的一项研究,研究人员已经确定了一种使用AI更准确地诊断精神分裂症的方法,从而为神经发育障碍诊断领域带来了一些客观性。

南京科学技术大学的邹红亮和杨健的合著者说,尽管早在1986年就被发现,但精神分裂症的病因仍不清楚。123年后。典型的诊断涉及一系列由医生领导的访谈,这些访谈会仔细检查患者的行为和症状,但是这种方法是主观的。

最近,研究人员一直在使用静止状态功能磁共振成像(fMRI)来捕获和评估大脑中的区域结构并测量功能连接(FC)。研究发现,大脑区域之间的联系是随时间变化的,这可以增强科学家对正常认知的外观和神经系统疾病引起的变化的理解,但是滑动窗口动态FC(DFC)是分析大脑区域的常规方法。连接,有其缺点。

“ DFC分析有几个缺点,包括窗口长度的任意选择,FC的描述符不正确以及由于噪声导致完全连接的网络中包含许多虚假连接的事实,” Zou和Yang写道。“这项研究旨在开发一种有效的动态阈值脑网络方法来诊断精神分裂症。”

他们俩提出了一种基于动态时间规整算法的时变窗长DFC方法,以在大脑中构建功能网络并更确定地识别精神分裂症。为了最小化由噪声引起的虚假连接的影响,Zou和Yang还应用了AI方法(如正交最小生成树)来生成DFC网络。

作者用56位精神分裂症患者和74位健康对照的数据集验证了他们的方法。他们使用支持向量机实现了0.8077的分类精度,发现其随时间变化的窗口长度动态阈值FC方法优于“几种最先进的方法”,其最佳状态下的精度最高为0.7538。

邹和杨的方法产生的灵敏度为0.6964,特异性比竞争方法高0.8919-2.57%和6.76%。与其他方法的AUC为0.8333相比,曲线下面积(AUC)为0.8509。

作者写道:“取得了可喜的结果,表明DFC在精神分裂症中具有良好的诊断潜力。” “此外,我们发现额叶,顶叶和边缘区之间的联系在精神分裂症的诊断中起着关键作用,这与精神分裂症患者认知加工的众所周知的病理区域相吻合。

“结果表明,我们的方法将成为精神分裂症的计算机辅助诊断的有前途的工具。”

免责声明:本答案或内容为用户上传,不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。 如遇侵权请及时联系本站删除。