NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson Hastalığı (PD), dünya çapında Alzheimer hastalığından sonra ikinci sırada yer alan kronik bir nörodejeneratif bozukluktur. PD'nin erken teşhisi, hastaların bununla doğru bir şekilde başa çıkmalarını sağlamak için PD'ye karşı mücadele etmek için çok önemlidir. Bununla birlikte, PD'yi kesin olarak teşhis etmek için tıbbi test (ler) mevcut değildir. Bu nedenle, bilgisayar destekli tanı (CAD) sistemleri, gerekli veri odaklı kararları almak ve doktora yardımcı olmak için daha iyi bir çözüm sundu. Erken evrelerde PD tanısı koymak için CAD önermek için çok sayıda çalışma yapılmıştır. AI araçlarının PD ile mücadeledeki rolünü özetlemek için kapsamlı bir inceleme yapılmamıştır. Amaç: Çalışma, PD tanısı koymak için sinir ağlarının uygulamalarını araştırmayı ve özetlemeyi amaçladı. Yöntemler: Bu tarama incelemesini yapmak için Scoping İncelemeleri için PRISMA Uzantısı (PRISMA-SCR) takip edildi. İlgili çalışmaları belirlemek için hem tıbbi veritabanları (örneğin PubMed) hem de teknik veritabanları (IEEE) arandı. Üç incelemeci çalışma seçimini gerçekleştirdi ve verileri bağımsız olarak dahil edilen çalışmalardan çıkardı. Ardından, elde edilen verileri sentezlemek için anlatı yaklaşımı benimsendi. Bulgular: Bu incelemede 1061 çalışma arasından 91 çalışma uygunluk kriterlerini karşılamıştır. Dahil edilen çalışmaların yaklaşık yarısı, PD'yi teşhis etmek için yapay sinir ağları uygulamıştır. Çok sayıda çalışma, yürüyüşün dondurulmasına (FoG) odaklandı. Biyomedikal ses ve sinyal veri setleri, bu modelleri geliştirmek ve doğrulamak için en yaygın kullanılan veri türleriydi. Bununla birlikte, MRI ve BT tarama görüntüleri de dahil edilen çalışmalarda kullanılmıştır. Sonuç: Sinir ağları PD ile mücadelede ayrılmaz ve önemli bir rol oynar. Sinir ağlarının birçok olası uygulaması bu incelemede tanımlandı, ancak çoğu araştırma amaçlarıyla sınırlıdır.
Özgün kaynak özetini okuyun
Background: Parkinson's Disease (PD) is a chronic neurodegenerative disorder that has been ranked second after Alzheimer's disease worldwide. Early diagnosis of PD is crucial to combat against PD to allow patients to deal with it properly. However, there is no medical test(s) available to diagnose PD conclusively. Therefore, computer-aided diagnosis (CAD) systems offered a better solution to make the necessary data-driven decisions and assist the physician. Numerous studies were conducted to propose CAD to diagnose PD in the early stages. No comprehensive reviews have been conducted to summarize the role of AI tools to combat PD. Objective: The study aimed to explore and summarize the applications of neural networks to diagnose PD. Methods: PRISMA Extension for Scoping Reviews (PRISMA-ScR) was followed to conduct this scoping review. To identify the relevant studies, both medical databases (e.g., PubMed) and technical databases (IEEE) were searched. Three reviewers carried out the study selection and extracted the data from the included studies independently. Then, the narrative approach was adopted to synthesis the extracted data. Results: Out of 1061 studies, 91 studies satisfied the eligibility criteria in this review. About half of the included studies have implemented artificial neural networks to diagnose PD. Numerous studies included focused on the freezing of gait (FoG). Biomedical voice and signal datasets were the most commonly used data types to develop and validate these models. However, MRI- and CT-scan images were also utilized in the included studies. Conclusion: Neural networks play an integral and substantial role in combating PD. Many possible applications of neural networks were identified in this review, however, most of them are limited up to research purposes.
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.