斯坦福研究人员利用AI自动检测老年痴呆,准确率达到94%

斯坦福研究人员利用AI自动检测老年痴呆,准确率达到94%根据阿尔茨海默病协会的统计,在美国,估计有570万的人患有阿尔茨海默病。这包括550万65岁及以上的人和约20万65岁以下发病的阿尔茨海默氏病的人。为了帮助医生诊断这种疾病,斯坦福大学的研究人员开发了一种基于深度学习的系统,可以自动检测阿尔茨海默病及其生物标志物,准确率为94%。

研究人员在他们的论文中指出,“阿尔茨海默氏病是最严重的健康问题之一,它摧毁了许多人的生命,患阿尔茨海默病的人数预计在未来20年内会在美国翻倍。”

随着深度学习和卷积神经网络(CNN)算法在计算机视觉研究中的最新发展,许多这样的方法被开发用于医学成像应用。然而,大多数此类以前的工作主要集中在分割,登记,标记或病变检测。

使用NVIDIA的Tesla GPU的P100和cuDNN -accelerated TensforFlow深度学习框架,团队从阿尔茨海默病神经影像学倡议的数据集训练3D卷积神经网络。神经网络学会了解释大脑的不同区域及其与疾病的关联,包括与阿尔茨海默病相关的生物标志物。

“我们的方法使用最小的MRI预处理(施加最小的预处理工件),并利用简单的数据增强策略对下采样的MR图像进行训练,”研究人员在他们的论文中写道。

斯坦福研究人员利用AI自动检测老年痴呆,准确率达到94%

使用的3D-CNN架构。蓝色立方体(L1,L2,L4,L5,L7和L8)是卷积层;橙色立方体(L3,L6和L9)是最大汇集层;最后两层是完全连接(FC)层。

与其他两种方法相比,该工作产生了最佳的分类性能,但也导致了相关疾病生物标志物的发现。

团队表示,“我们发现大脑的海马区域对阿尔茨海默氏症的诊断至关重要。通过广泛的超参数调整和利用二进制分类的最佳模型架构,我们也对微软认知障碍诊断的最终模型进行了微调。”

该团队的卷积神经网络的简单性带来了更好的测试结果。与之前开发的其他更复杂的架构相比,该系统更不易出错。

本文为ATYUN(www.atyun.com)编译作品,ATYUN专注人工智能
请扫码或微信搜索ATYUN订阅号及时获取最新内容

发表评论