机构名称：
¥ 1.0
帕金森病 (PD) 是一种影响运动技能的慢性疾病，症状包括震颤和僵硬。目前的诊断程序使用患者评估来评估症状，有时使用磁共振成像 (MRI) 扫描。然而，症状变化会导致评估不准确，而 MRI 扫描的分析需要经验丰富的专家。这项研究提出通过结合帕金森病进展标志物倡议 (PPMI) 数据库中的症状数据和 MRI 数据，利用深度学习准确诊断 PD 严重程度。实施了一种新的混合模型架构，以充分利用这两种形式的临床数据，还开发了仅基于症状和仅基于 MRI 扫描的模型。基于症状的模型集成了完全连接的深度学习神经网络，MRI 扫描和混合模型集成了基于迁移学习的卷积神经网络。所有模型都不是只执行二元分类，而是将患者诊断为五个严重程度类别，其中零期代表健康患者，四期和五期代表 PD 患者。仅症状模型、仅 MRI 扫描模型和混合模型分别实现了 0.77、0.68 和 0.94 的准确率。混合模型还具有较高的准确率和召回率，分别为 0.94 和 0.95。真实的临床病例证实了混合模型的强大性能，其中患者被其他两个模型错误分类，但被混合模型正确分类。它在 0-4 严重程度的五个阶段中也保持一致，表明早期检测准确。这是第一份将症状数据和 MRI 扫描与如此大规模的机器学习方法相结合的报告。
通过分析脑磁共振成像早期诊断帕金森病
主要关键词
相关文件推荐
