人工智能可通过眼部照片诊断儿童自闭症,准确率达 100%

人工智能可通过眼部照片诊断儿童自闭症,准确率达100%韩国延世大学医学院的研究人员近日取得一项突破:利用深度学习人工智能算法分析儿童视网膜照片,竟然实现了对自闭症谱系障碍(ASD)的诊断,准确率高达100%。这项研究为自闭症诊断开辟了新的可能。研究人员招募了958名平均年龄为7.8岁的参与者,其中一半患有自闭症,另一半为发育正常的对照组。他们拍摄了所有参与者的视网膜照片,并通过深度学习算法分析照片与症状严重程度评分之间的关联。令人惊讶的是,该算法在测试阶段表现出了惊人的准确度,成功识别出所有自闭症患儿,准确率达到100%。即使剔除图像中95%最不重要的区域(仅保留视盘区域),算法的准确率也依然保持稳定,表明视盘区域对于区分自闭症至关重要。来源,频道:@kejiqu群组:@kejiquchat

相关推荐

封面图片

开创性的AI技术诊断两岁以下儿童自闭症的准确率高达98.5%

开创性的AI技术诊断两岁以下儿童自闭症的准确率高达98.5%一种开创性的人工智能系统利用脑核磁共振成像诊断技术,可以非常准确地诊断出24至48个月大儿童的自闭症,两岁以下儿童自闭症的准确率高达98.5%,为更早、更有效地治疗和管理自闭症铺平了道路。在北美放射学会(RSNA)年会上展示的这一系统通过分析专门的脑部核磁共振成像诊断自闭症的准确率高达98.5%,令人印象深刻。肯塔基州路易斯维尔大学访问研究学者、理学士MohamedKhudri是一个多学科团队的成员,该团队开发了三阶段系统来分析和分类大脑弥散张量MRI(DT-MRI)。DT-MRI是一种特殊技术,可检测水如何沿着大脑白质束流动。Khudri说:"我们的算法经过训练,可以识别出偏差区域,从而诊断出一个人是自闭症患者还是神经症患者。"人工智能系统包括从DT-MRI扫描中分离出脑组织图像,并提取显示大脑区域之间连通性水平的成像标记。机器学习算法将自闭症儿童大脑中的标记模式与正常发育大脑中的标记模式进行比较。单张图像中的五大白质特征(区域对)。颜色图为黄色=小脑上梗(R)/无楔束(R),橙色=穹窿柱和穹窿体/放射状后冠(L),紫色=脾脏/网状结构内囊(L),蓝色=背侧扣带回(L)/穹窿嵴(R),绿色=脾脏/外囊(R)。图片来源:RSNA/MohamedKhudri,B.Sc."自闭症主要是一种大脑内部连接不当的疾病,"共同作者、路易斯维尔诺顿儿童自闭症中心主任、神经学教授、医学博士格雷戈里-巴恩斯(GregoryN.Barnes)说。"DT-MRI捕捉到了这些导致自闭症儿童经常出现的症状的异常连接,如社交沟通障碍和重复行为。"研究人员将他们的方法应用于自闭症脑成像数据交换-II中226名年龄在24到48个月之间的儿童的DT-MRI脑扫描。数据集包括126名受自闭症影响的儿童和100名发育正常儿童的扫描结果。该技术在识别自闭症儿童方面的灵敏度为97%,特异度为98%,总体准确率为98.5%。Khudri说:"我们的方法是一项新的进步,能够早期发现两岁以下婴儿的自闭症。我们相信,在三岁前进行治疗干预可以带来更好的结果,包括自闭症患者有可能获得更大的独立性和更高的智商。"根据美国疾病预防控制中心发布的《2023年自闭症社区报告》,不到一半的自闭症谱系障碍儿童在3岁前接受了发育评估,30%符合自闭症谱系障碍标准的儿童在8岁前没有得到正式诊断。巴恩斯博士说:"早期干预的理念是利用大脑的可塑性,即通过治疗使大脑功能恢复正常的能力。成像技术有望以客观的方式快速检测自闭症。我们设想了一种自闭症评估方法,首先进行DT-MRI评估,然后由心理学家进行简短的会诊,确认结果并指导家长采取下一步措施。这种方法可以减少心理学家多达30%的工作量。"研究人员说,患有自闭症的婴幼儿迟迟得不到诊断有几个原因,其中包括测试中心带宽不足,他们的人工智能系统可以促进精确的自闭症管理,同时减少与评估和治疗相关的时间和成本。人工智能系统会生成一份报告,详细说明哪些神经通路受到了影响、对大脑功能的预期影响以及严重程度分级,可用于指导早期治疗干预。研究人员正在努力实现其人工智能软件的商业化,并获得美国食品和药物管理局(FDA)的许可。...PC版:https://www.cnbeta.com.tw/articles/soft/1400141.htm手机版:https://m.cnbeta.com.tw/view/1400141.htm

封面图片

苹果公司正研究利用 iPhone 摄像头检测儿童自闭症的方法

苹果公司正研究利用iPhone摄像头检测儿童自闭症的方法根据该报告,苹果公司希望能够利用iPhone内的摄像头跟踪儿童的面部,并观察不同的面部行为,如他们看向远方的频率,作为检测儿童自闭症的潜在因素,这与之前宣布的研究工作相呼应...包括这一点和苹果公司在儿童自闭症检测方面的早期工作,《华尔街日报》说,这些功能可能永远不会成为用户的终端功能,但指出苹果公司在AppleWatch上发布一系列相关功能之前,已经投资了多项以心脏为重点的研究...报告指出,作为苹果推动隐私保护的一部分,该公司最终的目标是在用户的设备上本地运行任何算法,包括用于早期检测儿童自闭症的算法,而不需要将收集到的任何数据发送到云端进行处理。via郭德纲相声

封面图片

新研究可能改变人们对自闭症患者的认识

新研究可能改变人们对自闭症患者的认识人们普遍认为,自闭症患者识别他人情绪的能力较差,而且对他们如何有效地识别他人的情绪没有什么见解。然而,澳大利亚最近的一项研究表明,自闭症患者在识别面部情绪表达方面的准确度仅比非自闭症患者略低。PC版:https://www.cnbeta.com/articles/soft/1323651.htm手机版:https://m.cnbeta.com/view/1323651.htm

封面图片

人脑类器官准确模拟自闭症,为治疗最复杂脑疾病带来希望

人脑类器官准确模拟自闭症,为治疗最复杂脑疾病带来希望为了发育,人类大脑会依赖一个独特过程建立错综复杂的分层和连接皮层,这一过程也使人类更容易出现神经发育障碍——许多自闭症谱系障碍(ASD)高风险基因就与皮层发育息息相关。为了打开自闭症研究的“黑匣子”,奥地利科学院分子生物技术研究所(IMBA)和瑞士苏黎世联邦理工学院联合开发了一种技术来筛选自闭症关键转录调节基因。这一技术被认为标志着人类组织中复杂、高效和便捷的基因筛选时代的开始。在新开发的称为“CHOOSE”(CRISPR-人类类器官scRNA测序)的系统中,大脑类器官中每个细胞最多携带一个特定基因突变。研究人员可在单细胞水平上追踪每个突变的影响,并绘制每个细胞的发育轨迹。通过这种高通量方法,即可系统地灭活一系列致病基因,而随着携带这些突变的类器官生长,还能分析每种突变对发育的影响。研究人员以此了解到自闭症致病基因共同的分子机制,他们与临床医生合作,从两个患者干细胞样本中生成了人脑类器官。两名患者在导致自闭症的同一基因中都有突变。生成的类器官显示出与特定细胞类型相关的显著发育缺陷。通过这项新技术,科学家和临床医生获得了一种强大且精确控制的高通量筛选工具,其不但可大大缩短分析时间,还为人们了解疾病机制、最终治愈疾病提供宝贵的信息。来源:投稿:@ZaiHuaBot频道:@TestFlightCN

封面图片

自闭症患者并非对疼痛 "漠不关心或不敏感"

自闭症患者并非对疼痛"漠不关心或不敏感"自闭症是一种神经发育障碍,影响交流、社会互动和行为。研究表明,自闭症患者对疼痛的体验可能与神经正常的人不同。新证据质疑了关于自闭症疼痛的假设研究人员旨在检验自闭症患者对疼痛不敏感的"普遍假设"。目前的诊断标准表明,自闭症患者对疼痛或温度表现出"明显的漠不关心"。然而,以前的大多数研究并没有显示自闭症患者对疼痛的敏感性有什么不同。魏斯曼-福格尔教授及其同事对104名成年人进行了深入的痛觉实验室测试,其中52人患有自闭症。这个样本是迄今为止测试自闭症患者疼痛心理物理学的最大样本。两组人在一个简短的认知测试中的得分相似。自闭症患者有较高的精神药物使用量,并认为自己有更大的焦虑感,以及对疼痛和日常环境刺激(如气味、噪音和光线)有更高的敏感性。这个研究项目是由以色列科学基金会(ISF;1005/17)资助的。在定量感官测试中,自闭症组和非自闭症组在热和疼痛检测阈值方面没有差异。这表明疼痛和热阈值正常,表明自闭症参与者中"周围神经系统的功能正常"。然而,自闭症组在对高于其疼痛阈值的各种刺激作出反应时,给出的疼痛评级一直较高,证明了对疼痛的过度敏感。这些测试还提供证据表明,自闭症患者可以成功地抑制短暂的疼痛刺激,但不能抑制持久的疼痛刺激。重要的是,在日常生活中经历长时间的疼痛是发展为慢性疼痛的一个风险因素。新发现可能带来早期治疗和更好的生活质量这些发现共同表明,自闭症患者具有"亲痛觉"的疼痛调节特征:他们的大脑在促进疼痛体验方面显得更加活跃,而在抑制持续疼痛方面则不太活跃。这与作为自闭症谱系障碍潜在机制的兴奋/抑制失衡理论相一致,但在疼痛处理方面却被忽视了。该研究对自闭症患者经历的疼痛较少的看法提出质疑,相反,他们可能对疼痛的敏感性有所增强。魏斯曼·福格尔教授及其同事写道:"这种误解可能导致晚期诊断和不良治疗,造成痛苦并加剧自闭症症状"-可能会增加发展成慢性疼痛疾病的风险。"虽然他们的研究集中在一组认知功能基本正常的自闭症患者身上,但研究人员写道:"这些结果也可能适用于自闭症患者,他们的认知和言语交流障碍可能会消除他们交流疼痛的能力"。Weissman-Fogel教授和合作者总结说。"这些发现可能会提高医生、家长和护理人员对自闭症疼痛现象的认识,从而发展处早期和有效的治疗,以改善自闭症患者及其家庭的福祉和生活质量。"...PC版:https://www.cnbeta.com.tw/articles/soft/1341605.htm手机版:https://m.cnbeta.com.tw/view/1341605.htm

封面图片

[人工智能程序分析Instagram账号诊断忧郁症]

[人工智能程序分析Instagram账号诊断忧郁症]来自哈佛大学和佛蒙特大学的研究者开发了一款机器学习程序,其判断Instagram用户是否患有忧郁症的准确率可达到70%。而之前的研究表明,医生对患者是否患有忧郁症的正确诊断率只有42%。研究者在论文中称,他们的程序分析了166个Instagram账号的43950张照片。程序利用所谓“marker”来鉴别Instagram用户是否有忧郁症,分析的内容包括色彩、元数据、和脸部识别。研究还发现,患有抑郁症的Instagram用户一般不喜欢使用滤镜,但如果他们用的话,他们倾向于使用“Inkwell”滤镜。"http://www.digitaltrends.com/social-media/ai-program-uses-instagram-to-diagnose-depression/

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人