基于人工智能的阿尔茨海默病早期诊断算法

阿尔茨海默病 (AD) 是一种神经退行性疾病，影响着全世界很大一部分老年人口。它会对大脑造成不可挽回的损害，并严重损害患者的生活质量。不幸的是，AD 无法治愈，但早期发现可以通过药物控制症状并减缓疾病的进展。

功能磁共振成像(fMRI)是一种针对脑部疾病的无创诊断技术。它测量大脑内血氧水平随时间的微小变化，从而深入了解神经元的局部活动。尽管有其优点，fMRI 尚未广泛应用于临床诊断。原因是双重的。首先，功能磁共振成像信号的变化非常小，太容易受到噪声的影响，从而导致结果出现偏差。其次，功能磁共振成像数据分析起来很复杂。这就是深度学习算法发挥作用的地方。

在《医学影像杂志》最近发表的一项研究中，德克萨斯理工大学的科学家采用机器学习算法对功能磁共振成像数据进行分类。他们开发了一种称为卷积神经网络 (CNN) 的深度学习算法，可以区分健康人、轻度认知障碍患者和 AD 患者的功能磁共振成像信号。

CNN 可以自主地从人类观察者隐藏的输入数据中提取特征。他们通过训练获得这些特征，这需要大量的预先分类的数据。CNN 主要用于二维图像分类，这意味着四维 fMRI 数据(三个空间和一个时间)提出了挑战。fMRI 数据与大多数现有的 CNN 设计不兼容。

标签：