अध्ययन: कृत्रिम बुद्धिमत्ता एडीएचडी की एमआरआई जांच में सुधार कर सकती है
14 जनवरी, 2020
कृत्रिम बुद्धि एमआरआई मस्तिष्क स्कैन का उपयोग करके तंत्रिका मॉडल की सटीकता में काफी सुधार कर सकती है हाल ही में प्रकाशित एक अध्ययन के अनुसार, ध्यान घाटे की सक्रियता विकार (एडीएचडी) का पता लगाने के लिए रेडियोलॉजी: आर्टिफिशियल इंटेलिजेंस.1
अध्ययन, ओहियो के शोधकर्ताओं द्वारा आयोजित किया गया सिनसिनाटी विश्वविद्यालय और यह सिनसिनाटी चिल्ड्रेन हॉस्पिटल मेडिकल सेंटर, उपयोग करने के उभरते विचार पर केंद्र एडीएचडी के संकेतों का पता लगाने के लिए मस्तिष्क इमेजिंग रोगियों में। वर्तमान में, एडीएचडी के लिए कोई एकल, निश्चित परीक्षण नहीं है - निदान लक्षण और व्यवहार परीक्षणों की एक श्रृंखला के बाद आता है।
हालाँकि, शोध से पता चलता है कि एडीएचडी संभावित रूप से संयोजी का अध्ययन करके इसका पता लगाया जा सकता है - मस्तिष्क के तंत्रिका कनेक्शनों का एक नक्शा जो मस्तिष्क के एमआरआई स्कैन के आधार पर बनाया गया है, जिसे परसेप्शन के रूप में जाना जाता है। कुछ अध्ययनों से पता चलता है कि एक बाधित या बाधित संयोजी ADHD से जुड़ा हुआ है।
अब तक के अधिकांश शोधों में "एकल-चैनल डीप न्यूरल नेटवर्क" (scDNN) मॉडल शामिल है, जहाँ कृत्रिम बुद्धिमत्ता कंप्यूटर को एक परसेप्शन के आधार पर कनेक्टोम्स बनाने में मदद करती है। इस अध्ययन में, वैज्ञानिकों ने एक "मल्टीचैनल डीप न्यूरल नेटवर्क मॉडल," या mcDNN विकसित किया है, जहां कई पैरेन्सेशन के आधार पर कनेक्टोम्स का निर्माण किया जाता है। ये बहु-स्तरीय परित्याग 973 प्रतिभागियों के मस्तिष्क डेटासेट से आए थे।
मॉडल का विश्लेषण और एडीएचडी का पता लगाने के लिए बहु-स्तरीय संयोजकों में पैटर्न का विश्लेषण करने और उनका पता लगाने के लिए प्रोग्राम किया गया था, जिसके लिए सबसे अधिक पूर्वानुमान मस्तिष्क की पहचान की गई थी एडीएचडी निदान. परिणामों से पता चला कि scdn विकल्प पर mcDNN मॉडल के साथ ADHD डिटेक्शन प्रदर्शन में "काफी" सुधार हुआ है।
"हमारे परिणाम मस्तिष्क संयोजी की अनुमानित शक्ति पर जोर देते हैं," वरिष्ठ लेखक लिली उन्होंने उत्तरी अमेरिका के रेडियोलॉजिकल सोसायटी से कहा2. "निर्मित मस्तिष्क कार्यात्मक संयोजी जो कई पैमानों पर फैला होता है, पूरे मस्तिष्क में नेटवर्क के चित्रण के लिए पूरक जानकारी प्रदान करता है।"
अध्ययन अन्य स्थितियों का पता लगाने में सहायता करने के लिए मस्तिष्क इमेजिंग और गहरे तंत्रिका नेटवर्क, या गहन सीखने के लिए दरवाजे खोलता है। "इस मॉडल को अन्य न्यूरोलॉजिकल कमियों के लिए सामान्यीकृत किया जा सकता है," उन्होंने कहा, यह देखते हुए कि यह mcDNN मॉडल पहले से ही है उदाहरण के लिए, पूर्व-नवजात शिशुओं में संज्ञानात्मक कमी का अनुमान लगाने के लिए, उम्र में न्यूरोडेवलपमेंटल परिणामों की भविष्यवाणी करने के लिए उपयोग किया जाता है दो।
सूत्रों का कहना है
1 चेन, एम।, ली, एच।, वांग, जे।, डिलमैन, जे। आर।, पारिख, एन। ए।, और वह, एल। (2019). एक मल्टीचैनल डीप न्यूरल नेटवर्क मॉडल एनालिसिस मल्टीस्किल फंक्शनल ब्रेन कनेक्टोमेट डेटा फॉर अटेंशन डेफिसिट हाइपरएक्टिविटी डिसऑर्डर डिटेक्शन। रेडियोलॉजी: आर्टिफिशियल इंटेलिजेंस, 2 (1), e190012। https://doi.org/10.1148/ryai.2019190012
2 कृत्रिम बुद्धिमत्ता ADHD का MRI डिटेक्शन बूस्ट करता है। (2019, 11 दिसंबर)। पुनः प्राप्त 2020, 13 जनवरी से https://www.rsna.org/en/news/2019/November-December/AI-MRI-For-ADHD
14 जनवरी, 2020 को अपडेट किया गया
1998 से, लाखों माता-पिता और वयस्कों ने ADDitude के विशेषज्ञ मार्गदर्शन और ADHD और इसके संबंधित मानसिक स्वास्थ्य स्थितियों के साथ बेहतर जीवन जीने के लिए समर्थन पर भरोसा किया है। हमारा मिशन आपका विश्वसनीय सलाहकार होना है, जो कल्याण के मार्ग के साथ समझ और मार्गदर्शन का एक अटूट स्रोत है।
एक निशुल्क मुद्दा और निशुल्क ADDitude ईबुक प्राप्त करें, साथ ही कवर मूल्य से 42% बचाएं।
