详细内容或原文请订阅后点击阅览
研究人员开发出检测帕金森病的精确方法
多伦多大学和普埃布拉美洲大学的研究人员开发了一种先进的机器学习方法，利用大脑成像技术跟踪休息期间的大脑活动，以提高对帕金森病的检测。这项由 Gabriel Solana-Lavalle 博士及其同事领导的研究应用了因果森林机器学习算法来分析[...]
来源:科学特色系列多伦多大学和拉斯·阿米里卡斯大学的研究人员开发了一种先进的机器学习方法，以使用在休息期间跟踪大脑活动的脑成像技术来改善帕金森氏病的检测。这项由Gabriel Solana-Lavalle博士及其同事领导的这项研究应用了一种因果森林机器学习算法来分析大脑活动的模式，提供了一种高度准确的方法来识别帕金森氏病，同时还揭示了最受该疾病影响的大脑区域。研究结果发表在层析成像中。
Solana-Lavalle博士以及Michael Cusimano教授，Thomas Steeves博士，Roberto Rosas-Romero教授和Pascal Tyrrell博士设计了一种机器学习模型，该模型可以处理脑扫描数据以准确地对Parkinson病患者进行分类。 Solana-Lavalle博士解释说：“我们的方法着重于减少不必要数据的独特组合，同时确保我们仍然可以清楚地了解哪些大脑区域受帕金森氏病影响。”
研究小组分析了帕金森氏症进步标记计划的数据，以及来自另一个公共数据库的其他控制数据，该数据库收集了来自各个研究站点的脑扫描。他们从200多个人那里处理了大脑扫描，应用因果森林和包装子集选择算法来过滤噪声和不必要的信息，并专注于与帕金森氏病最强烈相关的大脑区域，同时优化分类器性能。
为了管理数据质量和获取条件的变化，团队使用了高级数据处理技术，包括图像对齐和标准化。 Solana-Lavalle博士补充说：“这种数据驱动的方法为与帕金森氏病密切相关的大脑区域提供了可解释的见解，这可以帮助临床医生更好地了解疾病进展并个性化治疗方法。”