Новости

Nov 24, 2023

Машинное обучение

Научные отчеты, том 12,

Научные отчеты, том 12, Номер статьи: 14740 (2022) Цитировать эту статью

1388 Доступов

17 Альтметрика

Подробности о метриках

Кортикальную атрофию оценивают клинически в соответствии с установленными шкалами визуальной оценки, основанными на магнитно-резонансной томографии (МРТ). Хотя МРТ головного мозга является основным визуализирующим маркером нейродегенерации, компьютерная томография (КТ) также широко используется для раннего выявления и диагностики деменции. Однако они редко расследуются. Поэтому мы разработали алгоритм машинного обучения для автоматической оценки атрофии коры на КТ головного мозга. КТ-изображения головного мозга (259 человек с деменцией Альцгеймера и 55 когнитивно нормальных субъектов) были визуально оценены тремя неврологами и использованы для обучения. Мы построили алгоритм, объединив сверточную нейронную сеть и регуляризованную логистическую регрессию (RLR). Затем производительность модели сравнивали с результатами неврологов и измеряли важность признаков. RLR обеспечил быструю и надежную автоматическую оценку лобной атрофии (точность 75,2%, чувствительность 93,6%, специфичность 67,2% и площадь под кривой 0,87 [AUC]), задней атрофии (точность 79,6%, чувствительность 87,2%, специфичность 75,9% и 0,88 AUC), правая медиальная височная атрофия (точность 81,2%, чувствительность 84,7%, специфичность 79,6% и 0,88 AUC) и левая медиальная височная атрофия (точность 77,7%, чувствительность 91,1%, специфичность 72,3% и 0,90 AUC). Мы пришли к выводу, что автоматическая оценка КТ головного мозга на основе RLR обеспечивает комплексную оценку атрофии, которая потенциально может помочь врачам в реальных клинических условиях.

Структурная визуализация головного мозга рекомендуется в диагностических руководствах по деменции1,2, и известно, что она связана с когнитивной дисфункцией у нормальных пожилых людей или пациентов с болезнью Альцгеймера (БА)3,4. Помимо исключения хирургических поражений, оценка церебральной атрофии, указывающей на основную патологию, включая медиальную височную долю при AD5, возможна с использованием структурной визуализации мозга. Сообщается, что несколько шкал визуальной оценки, основанных на структурной визуализации, позволяют оценить атрофию мозга, причем некоторые из них широко используются в исследованиях и клинической практике5,6. По сравнению с количественными объемными измерениями, шкалы визуальной оценки имеют преимущество, заключающееся в непосредственном применении клинически полученных изображений без трудоемкого процесса7. Однако существуют проблемы с надежностью согласия между или внутри эксперта8,9, и большинство шкал визуальной оценки созданы на основе магнитно-резонансной томографии головного мозга (МРТ)7. Хотя МРТ головного мозга является основным визуализирующим маркером нейродегенерации, согласно недавним исследованиям AD10, компьютерная томография (КТ) головного мозга также может дать важную информацию у пациентов с деменцией11. Что еще более важно, КТ головного мозга все чаще используется для раннего скрининга деменции в рамках национального плана борьбы с деменцией Кореи с 2008 года12. Таким образом, существует растущая потребность в надежном и практичном методе визуальной оценки КТ головного мозга, который редко применялся. расследовано.

Компьютеризированная, автоматизированная оценка КТ головного мозга имеет потенциальные преимущества для максимизации надежности и эффективности, что приводит к охвату системы скрининга снижения когнитивных функций. Алгоритм визуальной оценки необходим для повышения клинической полезности автоматизированной оценки. Это говорит о том, что для создания шкал визуальной оценки на основе структурных изображений, основанных на обнаружении и анализе нейродегенерации, путем предоставления статистической мощности для обнаружения тонких эффектов, потребуется подход «на основе искусственного интеллекта (ИИ) с использованием компьютера (САПР)».

ИИ — это всеобъемлющая область информатики, в которой компьютеры и машины используются для выполнения определенных задач, имитируя возможности человеческого разума по решению проблем и принятию решений, тем самым создавая интеллектуальную систему. Машинное обучение, обучение представлению и глубокое обучение — это подобласти ИИ. Растущее число клинических приложений, основанных на машинном обучении и глубоком обучении, предлагается в области нейровизуализации для оценки риска, диагностики, прогнозирования и прогнозирования13. Таким образом, машинное обучение, которое использует явные особенности, указанные экспертами, и показало потенциальные преимущества в выявлении риска деменции с помощью нейровизуализации14, может быть использовано для автоматической оценки КТ головного мозга в поддержку клинической оценки.