NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), hareketi etkileyen progresif bir hastalık, dopaminerjik nöron dejenerasyonu ile ilgilidir. Tc-99m Trodat-1 beyni (Trodat) tek foton emisyonu bilgisayarlı tomografi (SPECT) dopamin taşıyıcılarının fonksiyonel görüntülemesine yardımcı olur ve dopaminerjik nöron sayımı için kullanılır. Burada, VGG16 ve ResNet50 gibi modellerden daha basit olan TRODAT SPECT aracılığıyla PD teşhisini kolaylaştırmak için bir konvolutional sinir ağı kullandık. Haziran 2011-Aralık 2019 tarihleri arasında TRODAT SPECT uygulanan 3188 hastanın (20-107 yaş aralığında) verilerini retrospektif olarak topladık. TRODAT SPECT'e uygun fonksiyonel görüntüleme çoklu sınıflandırma derin öğrenme algoritmalarını, tıp uzmanlarının açıklamalarına dayanarak geliştirdik. Daha sonra kendi kendine önerilen modelimizi uyguladık ve sonuçlarını derin ve makine öğrenimi modelleri de dahil olmak üzere diğer dört modelinkilerle karşılaştırdık. TRODAT SPECT, her hastadan toplanan üç görüntü içeriyordu: biri striatumun metabolik fonksiyonunun maksimum emilimini ve iki bitişik görüntü. Uzman bir hekim, modelimizin doğruluk, hassasiyet, geri çağırma ve F1-skorunun sırasıyla 0.98, 0.98, 0.98 ve 0.98 olduğunu tespit etti. TRODAT SPECT modelimiz, PD ile ilişkili hastalıkların şiddetine göre daha objektif, daha standart bir sınıflandırma sağlar, böylece klinik tanıyı kolaylaştırır ve gözlemci yanlılığını önler.
Özgün kaynak özetini okuyun
Parkinson's disease (PD), a progressive disease that affects movement, is related to dopaminergic neuron degeneration. Tc-99m Trodat-1 brain (TRODAT) single-photon emission computed tomography (SPECT) aids the functional imaging of dopamine transporters and is used for dopaminergic neuron enumeration. Herein, we employed a convolutional neural network to facilitate PD diagnosis through TRODAT SPECT, which is simpler than models such as VGG16 and ResNet50. We retrospectively collected the data of 3188 patients (age range 20-107 years) who underwent TRODAT SPECT between June 2011 and December 2019. We developed a set of functional imaging multiclassification deep learning algorithms suitable for TRODAT SPECT on the basis of the annotations of medical experts. We then applied our self-proposed model and compared its results with those of four other models, including deep and machine learning models. TRODAT SPECT included three images collected from each patient: one presenting the maximum absorption of the metabolic function of the striatum and two adjacent images. An expert physician determined that our model's accuracy, precision, recall, and F1-score were 0.98, 0.98, 0.98, and 0.98, respectively. Our TRODAT SPECT model provides an objective, more standardized classification correlating to the severity of PD-related diseases, thereby facilitating clinical diagnosis and preventing observer bias.
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.