小編發(fā)現(xiàn)不少朋友對于越來越多的證據(jù)表明深度學(xué)習(xí)有可能幫助對抗阿爾茨海默氏癥 這方面的信息都比較感興趣，小編就針對 小編發(fā)現(xiàn)不少朋友對于 整理了一些相關(guān)方面的信息 在這里分享給大家。

對阿爾茨海默氏病和AI工具進行檢測的工作還有很長的路要走，但是深度學(xué)習(xí)方法仍然顯示出對腦部疾病進行分類的希望。

這些工具應(yīng)用于從多個神經(jīng)影像模態(tài)獲得的圖像時最有效，與實驗室測試的見解結(jié)合部署時最有用。

印第安納大學(xué)的研究人員在回顧了文獻后得出了這些結(jié)論。他們的全部研究正在老化神經(jīng)科學(xué)前沿開展。

通過搜索PubMed和Google Scholar，Andrew Saykin，PsyD和同事發(fā)現(xiàn)，有16項符合納入標(biāo)準(zhǔn)的研究。其中有四個將深度學(xué)習(xí)和傳統(tǒng)機器學(xué)習(xí)結(jié)合在一起，而只有十二個僅使用深度學(xué)習(xí)方法。

研究小組根據(jù)算法和神經(jīng)影像學(xué)類型對研究進行了評估和分類，然后總結(jié)了每篇論文的發(fā)現(xiàn)。

他們發(fā)現(xiàn)，當(dāng)多模式神經(jīng)影像信息與液體生物標(biāo)志物的數(shù)據(jù)結(jié)合在一起時，最佳分類性能就出現(xiàn)了。

此外，AI組合的準(zhǔn)確率高達(dá)98.8%，僅深度學(xué)習(xí)的準(zhǔn)確率高達(dá)96%。

“盡管當(dāng)實驗使用少量數(shù)據(jù)獲得高精度時，尤其是該方法容易過擬合的情況下，這是一個令人關(guān)注的問題，但由于[[a]使用了堆疊式自動編碼器程序，因此最高的準(zhǔn)確性為98.8%，而96%的準(zhǔn)確性歸因于淀粉樣蛋白PET掃描，其中包括有關(guān)阿爾茨海默氏病的病理生理信息。”

作者最后指出，阿爾茨海默氏癥使用深度學(xué)習(xí)的研究仍在不斷發(fā)展，強調(diào)要使這項技術(shù)在臨床環(huán)境中實用，就需要獲得更高水平的透明度和可再現(xiàn)性。