科学家开发了一种基于人工智能的方法来诊断阿尔茨海默症或帕金森症
阿尔茨海默病是老年人最常见的神经退行性疾病，目前影响着4000多万人。早期诊断对于治疗这种疾病和帮助开发新药都是至关重要的，因为到目前为止还不可能找到治愈方法。阿尔茨海默症的发展已被证明与灰质的结构变化和连接大脑各区域的白质的功能变化密切相关。在大脑连接网络中，白质纤维的显著减少也会导致记忆丧失等功能改变。然而，诊断仍然是一个挑战，到目前为止，还不可能确定功能性大脑活动如何导致结构活动的恶化，反之亦然。
在这方面，计算机辅助诊断(CAD)是一个重要的工具，它可以帮助医生理解患者在测试中获得的多媒体内容，从而使治疗更加简单。其中一种程序是医学成像，它提供有关该对象的高分辨率“实时”信息。马拉加大学的BioSip研究团队与格拉纳达大学的一组研究人员合作，多年来一直在研究生物医学图像和信号。
研究人员Andrés Ortiz, Jorge Munilla, Juan Górriz和Javier Ramírez最近发表了一篇文章国际神经系统杂志题为“乐团的深度学习的体系结构早期诊断阿尔茨海默氏症的疾病“该研究提出了一种深度学习技术，通过功能和结构图像的联合分析来诊断阿尔茨海默症。
这种人工智能(AI)技术旨在建模高级数据抽象，以便使计算机能够通过自动提取感兴趣的受影响区域来区分健康人的大脑和病人的大脑。研究人员写道:“这项研究使用深度学习技术来计算大脑功能预测因子和核磁共振成像来预防阿尔茨海默病。为了做到这一点，我们使用了不同的神经网络来模拟大脑的每个区域，然后将它们结合起来。”
该研究探索了基于深度学习架构的分类方法的构建，该架构应用于由人脑数字图谱自动解剖标记(AAL)定义的大脑区域。为此，图像灰质根据AAL在不同区域划分的区域，对大脑各区域进行了划分，并用于训练专门针对大脑不同区域的深度学习神经网络大脑．网络获取的知识随后通过本文提出的不同的融合技术进行组合。
分类架构
这项工作的结果是一个强大的分类体系结构，它结合了有监督和无监督学习，可以自动提取一组图像中最相关的特征。该方法已通过阿尔茨海默病神经成像计划(ADNI)的大型数据库进行了评估。
这项研究的结果包括患有其他认知缺陷的患者，这些患者可能在两年内发展为阿尔茨海默症。研究结果显示，人工智能技术在揭示与该疾病相关的模式方面具有潜力。获得的诊断准确率有助于了解与疾病发展有关的神经退行性过程，也有助于作为开发更有效的医疗方法的起点。
进一步探索
