NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Tıbbi araştırmalar, göz hareket bozukluklarının birçok nörolojik hastalık türü ile ilişkili olduğunu göstermektedir. Göz hareketi özellikleri Parkinson hastalığı, Alzheimer hastalığı (AD), şizofreni ve diğer hastalıkların biyobelirteçleri olarak kullanılabilir. Bununla birlikte, bazı hastalıkların bilinmeyen tıbbi mekanizması nedeniyle, göz hareketi özellikleri ve hastalıklar arasında sezgisel bir yazışma kurmak zordur. Bu makalede, karar ağacı ve rastgele ormana (RF) dayanan bir hastalık sınıflandırma yöntemi önermekteyiz. İlk olarak, çeşitli deneysel şemalar göz hareketi görüntüleri elde etmek için tasarlanmıştır ve göz bebeği pozisyonu ve alanı gibi bilgiler orijinal özellikler olarak çıkarılır. İkincisi, orijinal özelliklerle birlikte eğitim örnekleri olarak, sınıflandırıcılar oluşturmak için uzun kısa süreli bellek (LSTM) ağı kullanılır ve örneklerin sınıflandırma sonuçları evrimsel özellikler olarak kabul edilir. Bundan sonra, çoklu karar ağaçları, evrimsel özelliklere dayanan C4.5 kurallarına göre inşa edilir. Son olarak, bu karar ağaçları ile bir RF oluşturulur ve hastalık sınıflandırma sonuçları oylama ile belirlenir. Deneyler, RF yönteminin iyi sağlamlığa sahip olduğunu ve sınıflandırma doğruluğunun önceki sınıflandırıcıların performansından önemli ölçüde daha iyi olduğunu göstermektedir. Bu çalışma, gelişmiş yapay zeka (AI) teknolojisinin göz hareketinin patolojik analizinde uygulanmasının bariz avantajları ve iyi umutları olduğunu göstermektedir.
Özgün kaynak özetini okuyun
Medical research shows that eye movement disorders are related to many kinds of neurological diseases. Eye movement characteristics can be used as biomarkers of Parkinson's disease, Alzheimer's disease (AD), schizophrenia, and other diseases. However, due to the unknown medical mechanism of some diseases, it is difficult to establish an intuitive correspondence between eye movement characteristics and diseases. In this paper, we propose a disease classification method based on decision tree and random forest (RF). First, a variety of experimental schemes are designed to obtain eye movement images, and information such as pupil position and area is extracted as original features. Second, with the original features as training samples, the long short-term memory (LSTM) network is used to build classifiers, and the classification results of the samples are regarded as the evolutionary features. After that, multiple decision trees are built according to the C4.5 rules based on the evolutionary features. Finally, a RF is constructed with these decision trees, and the results of disease classification are determined by voting. Experiments show that the RF method has good robustness and its classification accuracy is significantly better than the performance of previous classifiers. This study shows that the application of advanced artificial intelligence (AI) technology in the pathological analysis of eye movement has obvious advantages and good prospects.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.