IV造影增强型2毫西氏CT可诊断右结肠憩室炎 研究发现40岁以下男性的心力衰竭和中风上升 完整的8号染色体序列揭示了新基因和疾病风险 科学家揭示了神经干细胞激活的协调性 骑自行车研究改变了透析患者的心脏健康 人工智能可能会破解癌症和阿尔茨海默氏症的语言 一种治疗脑部疾病的新药:mRNA 研究唐氏综合症青年语言发展的新测试 科学家发现可以预防血液癌的跳跃基因 研究呼吁采取紧急气候变化行动以确保全球粮食供应 新颖PF74样小分子靶向HIV-1的衣壳蛋白 四分之一的孩子想要更好的疼痛治疗 内生真菌是有希望的生物活性小分子生产者 新型二芳基酰胺可以作为靶向尿素转运蛋白的口服利尿剂 丙烯酰胺衍生物用于治疗类风湿关节炎 研究为人类胚胎的形成提供了新见解 研究表明细胞因子在脊椎动物组织中分布Wnt蛋白 新研究解释结核分枝杆菌对药物和免疫力的高抵抗力 莫菲特研究人员发现STING基因甲基化可让黑色素瘤逃避免疫系统 婴儿心脏手术后的终生监测可降低成人高血压的风险 天风证券持续深入重要政策发展,力助投资者做精准解析 新方法为钾通道的张力敏感性提供了见解 抑郁症患者的细胞衰老加速与死亡率相关 A&M研究人员发现他们可以间接地恢复和削弱恐惧记忆 3D打印的甲虫模型可以模拟真实物体吗 结核病病原体通过新型蛋白质转运系统释放毒素 Mario Kart可以教我们如何减少世界贫困和改善可持续性吗 神经元中钙的泄漏是阿尔茨海默氏病病理的早期征兆 新的猪脑图有助于人类神经科学发现 压力性尿失禁手术不会引起骨盆癌 配置红外光谱仪工具以更好地检测乳腺癌 人类休息的方式可能会影响他们患心脏病和其他健康问题的风险 研究人员发现两条腿走路的古鳄鱼 育亨宾可以通过阻断受体促进脂肪燃烧 研究人员质疑普通自闭人格测验的可靠性 户外照明与青少年的睡眠和心理健康有关 如果您发现每天的厕所习惯略有变化 那么要小心肠癌的风险 植物基喷气燃料将很快成为石油的替代品 研究发现大豆异黄酮的摄入会导致儿童血管受损 普林斯顿大学的研究人员确定了慢性乙型肝炎感染必不可少的因素 研究为抗生素合成提供了新见识 研究表明有毒藻类导致海豚患有阿尔茨海默氏症样脑病 表观遗传药物筛选可能会为癌症 心脏病和精神疾病带来新的治疗方法 研究揭示了意识大脑动态变化的微妙舞蹈 研究人员发现李子提取物降低了结直肠癌细胞的活力 瑞典广受赞誉的子宫移植研究迈出了新的一步 研究修改了对癌症代谢的理解 关于糖尿病如何影响骨骼健康的新发现 儿童期癌症治疗产生副作用的危险因素是什么 干细胞疗法研究可帮助糖尿病性足溃疡无法治愈的患者
您的位置:首页 >健康常识 >

使用AI诊断基于运动障碍的神经系统疾病

我们的移动方式充分说明了我们的大脑状态。正常的运动行为指向健康的脑功能,但偏差可能表明由于神经系统疾病而受损。因此,运动模式的观察和评估是基础研究的一部分,并且同样是临床应用中非侵入性诊断最重要的工具之一。在计算机科学家比约恩·奥默尔(BjörnOmmer)教授的领导下,并与瑞士研究人员合作,海德堡大学在这种情况下开发了一种新的基于计算机的方法。正如对人体测试人员的研究表明的那样,这种方法可以全自动识别运动障碍,并通过他们的分析,

对于计算机支持的运动分析,通常必须使用反射性标记对受试者进行标记,或者必须将虚拟标记应用于评估框架中生成的视频材料。两种程序都比较复杂。此外,必须预先知道明显的运动行为,以便可以对其进行进一步检查。海德堡大学跨学科科学计算中心计算机视觉小组的负责人Ommer教授解释说:“真正的诊断工具不仅应能确认运动障碍,而且能够首先识别出运动障碍并对其进行正确分类。”

正是由于他的团队开发了新颖的诊断方法,这才成为可能,这种方法被称为“使用深度学习的无监督行为分析和放大”(uBAM)。底层算法基于使用人工神经网络的机器学习,并且可以独立且完全自动地识别特征行为和病理偏差,这是海德堡科学家所解释的。该算法通过直接在视频中突出显示不同类型的偏差并使它们可见,从而确定受影响的身体部位并充当行为模式的放大镜。作为其一部分,将相关的视频资料与其他健康或同样受损的对象进行比较。运动障碍的治疗进展也可以通过这种方式进行记录和分析。根据Ommer教授的说法,

uBAM接口的基础是所谓的卷积神经网络,一种用于图像识别和图像处理目的的神经网络。科学家对网络进行了训练,以识别不同对象的相似运动行为,即使它们的外观差异很大。这是可能的,因为人工智能可以区分姿势和外观。除了识别和量化损伤外,对症状的详细分析也很重要。Ommer教授说:“为了详细研究它们,我们使用了生成神经网络。”“通过这种方式,我们可以帮助神经科学家和临床医生专注于运动行为的细微偏差,而肉眼可能会忽略这些细微偏差,并通过放大偏差使它们易于看到。然后,我们可以准确地确定个别情况下的疾病类型。”

研究小组已经能够借助不同的动物模型和人类患者研究证明这种新方法的有效性。他们测试了uBAM区分健康运动能力和受损运动能力的精确度。在有关该主题的出版物中,科学家们报告说,小鼠和人类患者的回收率都很高。“总体而言,我们的研究表明,与传统方法相比,基于人工智能的方法以更少的工作量提供了更详细的结果,”BjörnOmmer强调。

标签:

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。