算法可以以近100％的精度预测可能的阿尔茨海默氏症
立陶宛，科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氏病的可能发作，准确性超过99％。该方法是在分析从138名受试者获得的功能性MRI图像时开发的，并且在准确性，敏感性和特异性方面比以前开发的方法更好。
根据世界卫生组织的数据，阿尔茨海默氏病是痴呆症最常见的原因，最多可造成70％的痴呆病例。在全球范围内，大约有2400万人受到影响，预计该数字每20年将翻一番。由于社会衰老，这种疾病将在未来几年成为昂贵的公共卫生负担。
“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的诊断的认识，这为受影响的人提供了更好地从治疗中受益的机会。这是为Modupe Odusami选择主题的最重要问题之一，来自尼日利亚的学生。导师。
委派给机器的图像处理
阿尔茨海默氏症可能的第一个迹象之一是轻度认知障碍（MCI），这是正常衰老和痴呆的预期认知下降之间的阶段。根据Maskeliūnas，基于先前的研究，功能性磁共振成像（fMRI）可用于识别大脑中可以与阿尔茨海默氏病发作有关的大脑区域。MCI的最早阶段通常几乎没有明显的症状，但是在相当多的情况下，可以通过神经影像来检测。
然而，尽管从理论上可能，但尝试识别与阿尔茨海默氏症相关的更改的fMRI图像的手动分析不仅需要特定的知识，而且还需要耗时 - 对深度学习和其他AI方法的应用可以通过大量的时间差异加快这种速度。找到MCI功能并不一定意味着疾病的存在，因为它也可能是其他相关疾病的症状，但它更多地指标和可能的帮助者可以朝着医疗专业人员的评估进行评估。
“现代信号处理允许将图像处理委派给机器，这可以更快，准确地完成。一台机器人，能够完成对数据进行分类和搜索功能的最乏味的任务。在这种情况下，在计算机算法选择潜在受影响的情况之后，专家可以更仔细地研究它们，最后，每个人都受益，每个人都受益随着诊断和治疗的到来，患者的速度更快。
我们需要充分利用数据
这深度学习基于基于的模型是对人工智能领域领先的立陶宛研究人员的富有成果的合作，使用了众所周知的微调Resnet 18（残留神经网络）的修改，以对从138名受试者获得的功能性MRI图像进行分类。这些图像分为六个不同的类别：从健康到轻度认知障碍（MCI）到阿尔茨海默氏病。总共选择了阿尔茨海默氏病神经影像倡议fMRI数据集的51,443和27,310张图像进行培训和验证。
该模型能够有效地在给定数据集中找到MCI功能，从而达到了早期MCI与AD的最佳分类精度，99.99％，99.95％和99.95％，而Lated MCI与AD，MCI vs. AD和MCI vs.早期MCI，分别。
“尽管这并不是第一次尝试从类似数据中诊断出阿尔茨海默氏症早期发作的尝试，但我们的主要突破是算法的准确性。显然，如此高的数字不是真正的现实生活的指标，但我们正在使用。医疗机构获取更多数据，”Maskeliūnas说。
据他介绍，该算法可以开发到软件中，该算法将分析来自脆弱的群体（有65岁以上的人，有脑损伤，高血压等）并通知医务人员与阿尔茨海默氏症早期发作有关的异常。
Maskeliūnas说：“我们需要充分利用数据，这就是为什么我们的研究小组重点关注欧洲开放科学原则的原因，因此任何人都可以使用我们的知识并进一步发展。我相信这一原则对社会发展有很大贡献。“
首席研究人员的主要领域是专注于现代人工智能方法对信号处理和多模式接口的应用，他说，上述模型可以集成到更复杂的系统中，例如，分析了几个不同的参数，例如监视眼动的跟踪，面部阅读，语音分析等。然后，可以将这种技术用于自我检查，并警报以寻求专业建议，如果任何事情引起人们的关注。
Maskeliūnas说：“技术可以使医学更容易获得和便宜。尽管它们永远不会（或至少很快）真正取代医学专业人员，但技术可以鼓励寻求及时的诊断和帮助。”
进一步探索
