人工智能可以幫助早期診斷阿爾茨海默氏病

一個人如何預防阿爾茨海默氏病，對他有任何治療方法？早期診斷可能不是答案，但它有助於早期干預措施延遲疾病的發展。因此，阿爾茨海默氏症的早期診斷已成為研究的優先事項。有必要的證據表明，白質的變化可以幫助早期診斷阿爾茨海默氏症。

由人工智能學院，北京，北京，北京，中國，有組織的競爭和競爭的教授Yong Liu領導的研究人員團隊，由Yong Liu領導。項目在線現在在線 腦。

Liu教授說：“我們已經沿著18個纖維區域進行了擴散測量的競爭，這是通過基於世界上最大的笨蛋之一的自動化方法（AFQ）提取的特徵。” “目前的數據結合了中國4家醫院的7個磁共振掃描儀，其中包含862名具有DTI圖像，T1圖像以及人口統計學和心理信息的人。”

為了提取白質的特徵，團隊進行了由三個步驟組成的AFQ管道。首先，他們使用確定的算法跟踪腦纖維。然後，他們使用感興趣的區域對纖維區域進行了分割，並使用纖維道的概率圖對它們進行了完善。第二個程序是不斷地去除從纖維區域的本質中進化出來的異常纖維。在每個纖維的每個節點中，通過重新將每個纖維的樣品重新計入100個節點的樣品來確定淋巴結擴散的特性，同樣設置在兩個感興趣的區域之間。

在比賽中，劉和同事由中國，美國和英國大學/學院的科學家解決。競爭的目的是評估和開發一個分析框架，以使用沿AFQ提取的白質的主要區域進行擴散測量，優化阿爾茨海默氏症的二元分類性能。根據結果，很明顯，白質纖維的DTI質量證明了它們在檢測阿爾茨海默氏症早期階段的有用性。作者建議，用於模型解釋的HOC分析，多站點的更多數據多模式以及更好的算法對於阿爾茨海默氏症的早期發現將更加有效。

研究小組成功地確定白質可能是阿爾茨海默氏症早期診斷的生物標誌物指標。此外，劉教授告訴科學特徵：“數據日期和代碼零件可作為開源來源可用。我們在這項研究中提出的項目將受益於更多的數據共享或機器學習模型的研究人員，以及將生物標誌物提取作為對預見阿爾茨海默氏症的開放，國際挑戰。”他還補充說，他們專注於阿爾茨海默氏症對當前挑戰的診斷。但是，多種精神疾病的分類可能對將來的臨床應用更有用，從而使疾病之間的病理差異受益，並提高準確診斷的準確性。

期刊參考和圖像貸款：

Yida Qu，Pan Wang，Bing Liu，Chengyuan Song，Dawei Wang，Hongwei Yang，Zengqiang Zhang…，Yong Liu等。 “ AI4AD：基於多站點數據庫對阿爾茨海默氏病分類的人工智能分析。”障礙大腦1（2021）：100005。 https://dii.org/10.1016/j.dscb.2021.1000055