机构名称：
¥ 2.0
摘要：人类是视觉主导的物种；我们感知到什么取决于我们看向何处。因此，眼球运动 (EM) 对我们与环境的互动至关重要，实验结果表明，EM 会受到神经退行性疾病 (ND) 的影响。这可能是 ND 中某些认知和运动障碍的原因。因此，我们旨在确定 EM 诱发反应的变化是否可以告诉我们 ND（例如阿尔茨海默病 (AD) 和帕金森病 (PD)）在不同阶段的进展情况。在本综述中，我们分析了心理、神经和 EM（扫视、反扫视、追踪）测试的结果，以使用机器学习 (ML) 方法预测疾病进展。借助 ML 算法，我们能够从高维参数空间中找到与 ND 症状相关的显着 EM 变化，从而让我们深入了解 ND 机制。所描述的预测算法使用各种方法，包括粒度计算、朴素贝叶斯、决策树/表、逻辑回归、C-/线性 SVC、KNC 和随机森林。我们证明了 EM 是评估 PD 和 AD 症状进展的可靠生物标记。这两种疾病都存在 3D 空间导航问题。因此，我们研究了虚拟空间中的 EM 实验，以及它们如何帮助发现与神经退行性疾病相关的大脑变化，例如与位置或/和方向问题相关的变化。总之，具有临床症状的 EM 参数是强大的精密仪器，除了借助 ML 预测 ND 进展的潜力外，还可用于指示这两种疾病的不同临床前阶段。
机器学习和眼球运动让我们深入了解神经退行性疾病机制
主要关键词
相关文件推荐
