NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Alzheimer ve Parkinson gibi nörodejeneratif hastalıkların çoğu yaşamı tehdit eden, kritik ve çoğunlukla yaşlı nüfusu etkileyen tedavi edilemez. Hastalığın fenotipi tahmin etmek, ilerlemeyi önlemek ve etkili ilaç keşfi için çok önemli olduğu için erken teşhis zordur. Son birkaç yılda, Derin Öğrenme (DL) tabanlı sinir ağları, doğal dil işleme, görüntü analizi, konuşma tanıma, ses sınıflandırması ve daha pek çok alanda endüstrilerde ve akademisyenlerde konuşlandırılan son teknoloji modellerdir. Yavaş yavaş tıbbi görüntü analizi ve tanılama ve genel olarak tıbbi yönetimde yüksek bir potansiyele sahip oldukları fark edilmiştir. Bu alan geniş ve hızla genişlediği için, Alzheimer ve Parkinson'u özellikle tespit etmek için mevcut DL tabanlı modellere odaklandık. Bu çalışma, bu hastalıklarla ilgili ilgili tıbbi muayenelerin bir özetini vermektedir. Birçok derin öğrenme modelinin çerçeveleri ve uygulamaları tartışılmıştır. MRI görüntü analizi için çeşitli çalışmalar tarafından kullanılan ön işleme teknikleri hakkında kesin notlar verdik. Tıbbi görüntü analizinin farklı aşamalarında DL tabanlı modellerin uygulanmasına genel bir bakış verilmiştir. İncelemeden, Parkinson hastalığına kıyasla Alzheimer üzerine daha fazla çalışmanın odaklandığı anlaşılmıştır. Ayrıca, bu hastalıklar için mevcut çeşitli kamu veri kümelerini tablolaştırdık. Bu bozuklukların erken teşhisi için yeni bir biyobelirteç kullanılmasının potansiyel kullanımını vurguladık. Ayrıca, bu hastalıkların tespiti için derin öğrenme tekniklerinin uygulanmasında bazı zorluklar ve sorunlar ele alınmıştır. Son olarak, yukarıdaki hastalıkların teşhisi için derin öğrenme teknikleri ile ilgili gelecekteki bazı araştırma talimatlarıyla sonuçlandık.
Özgün kaynak özetini okuyun
Most neurodegenerative diseases such as Alzheimer's and Parkinson's are life-threatening, critical, and incurable affecting mainly the elderly population. Early diagnosis is challenging as disease phenotype is very crucial for predicting, preventing the progression, and effective drug discovery. In the last few years, Deep learning (DL) based neural networks are the state-of-the-art models deployed in industries and academics across different areas like natural language processing, image analysis, speech recognition, audio classification, and many more It has been slowly realized that they have a high potential in medical image analysis and diagnostics and medical management in general. As this field is vast and expanding rapidly, we have put focused on existing DL-based models to detect Alzheimer's and Parkinson's in particular. This study gives a summary of related medical examinations for these diseases. Frameworks and applications of many deep learning models have been discussed. We have given precise notes on pre-processing techniques used by various studies for MRI image analysis. An overview of the application of DLbased models in different stages of medical image analysis has been conferred. It has been realized from the review that more studies are focused on Alzheimer's compared to Parkinson's disease Additionally, we have tabulated the various public datasets available for these diseases. We have highlighted the potential use of a novel biomarker for the early diagnosis of these disorders. Also, some challenges and issues in implementing deep learning techniques for the detection of these diseases have been addressed. Finally, We concluded with some future research directions regarding deep learning techniques for diagnosis of the above diseases.
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.