斯坦福研究人员利用AI自动检测老年痴呆，准确率达到94%

编译：chux

出品：ATYUN订阅号

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。

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。