科技工作者之家
科技工作者之家APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2019-04-18
来源:MedSci梅斯
导语:利用颅脑18F-FDG PET,预测Alzheimer病的深度学习算法的敏感性和特异性分别为82%、100%。来源:梅斯医学本研究旨在利用颅脑氟18(18F)氟脱氧葡萄糖(FDG)PET数据建立并验证深度学习算法来预测Alzheimer病(AD)、轻度认知障碍或健康志愿者的明确诊断,并将其结果与放射科医生诊断结果相比较。
本研究收集颅脑18F-FDG PET数据,并分为测试组(40例)。记录随访最终临床诊断。利用初学V3构架卷积神经网络对90%数据进行训练,并对剩余10%患者以及独立测试组进行验证。将结果与放射科医生结果相比较。利用模型分析两者的敏感性、特异性、ROC、显着图和t分布随机邻域嵌入。
结果为,利用算法预测独立测试组最终临床诊断AD的ROC曲线下面积为(95% CI: 0.94, 1.00)(敏感性和特异性分别为82%、100%),以随访平均75.8个月的结果为最终诊断结果。该结果由于放射科医生最终结果(敏感性、特异性分别为57% [4/7]、91% [30/33]; P < .05)。显着图显示在已知感兴趣区较为显着,但全脑均较为显着。
本研究表明,以随访平均75.8个月的结果为最终诊断,利用颅脑18F-FDG PET,预测Alzheimer病的深度学习算法的敏感性和特异性分别为82%、100%。
原始出处:
Ding Y, Sohn JH, Kawczynski MG,et al.A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain.Radiology.DOI:10.1148/radiol.2018180958
来源:MedSci_cn MedSci梅斯
原文链接:http://mp.weixin.qq.com/s?__biz=MzI0Njc5ODM4MQ==&mid=2247501241&idx=5&sn=f6cdd6aefd725e2d1d4b54fc0f66dd88&chksm=e9bb44fbdecccdedffe4b4c887bb601eecea28c756e80eb485ef612b2df6c2470f71b088ac2c&scene=27#wechat_redirect
版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。
电话:(010)86409582
邮箱:kejie@scimall.org.cn
前列腺特异性酸性磷酸酶
石远凯:探索抗癌新药
Cell:突破!位点特异性ADP修饰的实现!
趣味科学:仰卧起坐会导致瘫痪,这是真的吗?
番茄叶绿体发生的组织特异性
真相:桃子和西瓜一起吃有剧毒?谣言卷土重来,你又信了?
双特异性纳米抗体可有效避免免疫逃逸
心理所等揭示音乐感知的文化特异性
【科学普及】双特异性抗体那些事儿
营养与健康所阐述血液中细胞特异性的DNA甲基化改变