立陶宛考纳斯大学的研究人员开发了一种基于深度学习的方法，可以从大脑图像中预测阿尔茨海默病的可能发作，准确率超过 99%。该方法是在分析从 138 位受试者获得的功能性 MRI 图像时开发的，在准确性、灵敏度和特异性方面比以前开发的方法表现更好。
据世界卫生组织称，阿尔茨海默病是痴呆症最常见的原因，占痴呆症病例的 70%。全世界约有 2400 万人受到影响，预计这个数字每 20 年就会翻一番。由于社会老龄化，该疾病将在未来几年成为代价高昂的公共卫生负担。
“世界各地的医疗专业人员都试图提高人们对早期阿尔茨海默氏症诊断的认识，这为患者提供了更好的从治疗中受益的机会。这是为 Modupe Odusami 博士选择主题的最重要问题之一. 来自尼日利亚的学生，”考纳斯理工大学 (KTU) 信息学学院多媒体工程系研究员 Rytis Maskeliūnas 说。导师。
委托给机器的图像处理
阿尔茨海默氏症可能的最初迹象之一是轻度认知障碍(MCI)，这是正常衰老和痴呆症的预期认知衰退之间的阶段。Maskeliūnas 表示，基于之前的研究，功能性磁共振成像 (fMRI) 可用于识别大脑中可能与阿尔茨海默病发作相关的区域。MCI的最早阶段通常几乎没有明显的症状，但在相当多的情况下可以通过神经影像学检测到。
然而，尽管理论上可行，但手动分析 fMRI 图像试图识别与阿尔茨海默氏症相关的变化不仅需要特定的知识，而且非常耗时——深度学习和其他 AI 方法的应用可以大大加快这一过程。发现 MCI 特征并不一定意味着存在疾病，因为它也可能是其他相关疾病的症状，但它更多地是指导医疗专业人员进行评估的指标和可能的帮手。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！