Tyrimas: dirbtinis intelektas gali pagerinti ADHD aptikimą MRT
2020 m. Sausio 14 d
Dirbtinis intelektas gali žymiai pagerinti neuroninių modelių tikslumą, naudojant MRT smegenų skenavimą - aptikti dėmesio deficito hiperaktyvumo sutrikimą (ADHD), rodo tyrimas, neseniai paskelbtas Radiologija: dirbtinis intelektas.1
Tyrimas, kurį atliko tyrėjai iš Ohajo Sinsinačio universitetas ir Sinsinačio vaikų ligoninės medicinos centras, sutelkia dėmesį į kylančią idėją naudoti smegenų vaizdų nustatymas norint nustatyti ADHD požymius pacientams. Šiuo metu nėra vieno galutinio ADHD tyrimo - diagnozė nustatoma atlikus simptomų ir elgesio testų seriją.
Tačiau tyrimai rodo, kad ADHD gali būti aptinkamas tyrinėjant jungtį - smegenų nervinių ryšių žemėlapį, sudarytą atliekant smegenų MRT nuskaitymus, vadinamus siuntiniais. Kai kurie tyrimai rodo, kad sutrikęs ar nutrūkęs prisijungimas yra susijęs su ADHD.
Dauguma iki šiol atliktų tyrimų buvo susiję su „vieno kanalo gilaus nervų tinklo“ (scDNN) modeliu, kai dirbtinis intelektas padeda kompiuteriui sukonstruoti jungtis, paremtas vienu sklypu. Šiame tyrime mokslininkai sukūrė „daugiakanalio gilaus neuroninio tinklo modelį“ arba mcDNN, kur jungtys yra kuriamos remiantis daugybe sklypų. Šie daugiapakopiai siuntiniai buvo gauti iš 973 dalyvių smegenų duomenų rinkinių.
Šis modelis taip pat buvo užprogramuotas analizuoti ir aptikti daugialypių jungčių modelius, kad būtų galima aptikti ADHD ir nustatyti labiausiai prognozuojamas smegenų jungties ypatybes ADHD diagnozė. Rezultatai parodė, kad ADHD aptikimo efektyvumas „žymiai“ pagerėjo naudojant „mcDNN“ modelį, palyginti su „scDNN“ alternatyva.
„Mūsų rezultatai pabrėžia numatomą smegenų jungties galią“, - vyresnioji autorė Lili He sakė Šiaurės Amerikos radiologinei draugijai.2. „Sukurtas smegenų funkcinis sujungimas, apimantis keletą skalių, suteikia papildomos informacijos vaizduojant tinklus per visas smegenis.“
Tyrimas atveria duris smegenų vaizdavimui ir giliųjų neuroninių tinklų plėtrai arba giliam mokymuisi, kad būtų lengviau nustatyti kitas sąlygas. „Šis modelis gali būti apibendrintas atsižvelgiant į kitus neurologinius trūkumus“, - sakė jis, pažymėdamas, kad šis mcDNN modelis jau yra naudojamas kognityviniam nepakankamumui numatyti neišnešiotiems kūdikiams, pavyzdžiui, numatyti neurodeformacinius rezultatus sulaukus amžiaus du.
Šaltiniai
1 Chen, M., Li, H., Wang, J., Dillman, J. R., Parikh, N. A., ir jis, L. (2019). Daugiakanalio gilaus neuroninio tinklo modelis, analizuojantis daugialypių funkcinių smegenų jungčių duomenis, kad būtų galima nustatyti dėmesio deficito hiperaktyvumo sutrikimą. Radiologija: dirbtinis intelektas, 2 (1), e190012. https://doi.org/10.1148/ryai.2019190012
2 Dirbtinis intelektas skatina MRT nustatyti ADHD. (2019 m. Gruodžio 11 d.). Gauta 2020 m., Sausio 13 d. Nuo https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
Atnaujinta 2020 m. Sausio 14 d
Nuo 1998 m. Milijonai tėvų ir suaugusiųjų pasitiki ADDitude ekspertų gairėmis ir parama, kaip geriau gyventi su ADHD ir su juo susijusiomis psichinės sveikatos ligomis. Mūsų misija yra būti jūsų patikimu patarėju, nenutrūkstamu supratimo ir patarimų šaltiniu sveikstant.
Gaukite nemokamą leidimą ir nemokamą „ADDitude“ el. Knygą bei sutaupykite 42% nuo viršelio kainos.
