KI-Algorithmus erreicht 98% Genauigkeit bei der Klassifizierung von Alzheimer anhand von Gehirnscans
Forscher haben ein Deep-Learning-System entwickelt, das Gehirn-MRT-Scans analysiert, um Alzheimer zu erkennen, und berichten von einer Genauigkeit von 98% bei der Unterscheidung zwischen gesunden und betroffenen Personen.
Was wurde untersucht?
Forscher haben ein künstliches Intelligenzmodell entwickelt, um MRT-Gehirnscans zu analysieren und Alzheimer automatisch zu erkennen. Das System kombiniert mehrere Bildverarbeitungstechniken, einschließlich Rauschreduzierung, Segmentierung von Gehirnregionen und Mustererkennung, um die charakteristische Gehirnschrumpfung zu identifizieren, die bei Alzheimer zu sehen ist.
Was wurde gefunden?
Der Multi-head Parallel LeNet5-Algorithmus erreichte eine Genauigkeit von 98% bei der Klassifizierung von Alzheimer anhand von MRT-Bildern. Das System verarbeitet Scans in mehreren Phasen: Rauschreduzierung mit einem modifizierten Wiener-Filter, Segmentierung von Gehirnregionen mit Fokus auf den Hippocampus und den Frontallappen sowie Musteranalyse unter Verwendung von Textur- und Strukturmerkmalen, die aus den Bildern extrahiert wurden.
Was bedeutet das?
Automatisierte MRT-Analysewerkzeuge wie dieses könnten Radiologen letztendlich helfen, Alzheimer früher und konsistenter zu erkennen. Der Algorithmus müsste jedoch umfangreiche Validierungen in der realen Welt über verschiedene Patientengruppen und mehrere medizinische Zentren hinweg durchlaufen, bevor er klinisch eingesetzt werden kann.
Einschränkung
Dies ist eine Studie zur Entwicklung eines Algorithmus, und die vollständige Validierungsstrategie, die Stichprobengröße und die Leistung an unabhängigen Patientendaten von verschiedenen Scannern oder Populationen bleiben aus dem verfügbaren Abstract unklar.