根据世界卫生组织的数据，阿尔茨海默症（AD）是痴呆症最常见的原因，占痴呆症患者的70%。在世界范围内，大约有2400万人受到影响，而且这个数字预计每20年将翻一番。

立陶宛考纳斯大学的研究人员开发了一种基于深度学习的方法，可以从大脑图像中预测阿尔茨海默症的发病可能，准确率超过99%。

“世界各地的医学专家试图提高对阿尔茨海默症早期诊断的认识，这为患者提供了从治疗中受益的更好机会。这是来自尼日利亚的博士生Modupe Odusami（研究的第一作者）选择该课题的最重要原因之一。”Odusami的博士生导师、考纳斯理工大学（KTU）信息学院多媒体工程系的研究员Rytis Maskeliūnas说。

这个基于深度学习的模型是由立陶宛人工智能领域的研究人员合作开发的，他们修改了18层深度残差网络（ResNet18），对138名受试者的fMRI图像进行分类。

这些图像被分为六个不同的类别：从健康到MCI到阿尔茨海默症的光谱。

研究人员总共从阿尔茨海默症神经成像计划fMRI数据集中选择了51443张和27310张图像进行训练和验证。

该模型能够在给定的数据集中有效地找到MCI的特征。

对于早期MCI与AD、晚期MCI与AD、MCI与早期MCI，分别达到了99.99%、99.95%和99.95%的最佳分类精度。

论文地址：https://www.mdpi.com/2075-4418/11/6/1071

内容中包含的图片若涉及版权问题，请及时与我们联系删除