清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain

医学 阿尔茨海默病 疾病 正电子发射断层摄影术 核医学 人工智能 病理 计算机科学
作者
Yiming Ding,Jae Ho Sohn,Michael Kawczynski,Hari Trivedi,Roy Harnish,Nathaniel W. Jenkins,Dmytro Lituiev,Timothy P. Copeland,Mariam Aboian,Carina Marí Aparici,Spencer C. Behr,Robert R. Flavell,Shih-Ying Huang,Kelly A. Zalocusky,Lorenzo Nardo,Youngho Seo,Randall A. Hawkins,Miguel Hernandez Pampaloni,Dexter Hadley,Benjamin L. Franc
出处
期刊:Radiology [Radiological Society of North America]
卷期号:290 (2): 456-464 被引量:551
标识
DOI:10.1148/radiol.2018180958
摘要

Purpose To develop and validate a deep learning algorithm that predicts the final diagnosis of Alzheimer disease (AD), mild cognitive impairment, or neither at fluorine 18 (18F) fluorodeoxyglucose (FDG) PET of the brain and compare its performance to that of radiologic readers. Materials and Methods Prospective 18F-FDG PET brain images from the Alzheimer's Disease Neuroimaging Initiative (ADNI) (2109 imaging studies from 2005 to 2017, 1002 patients) and retrospective independent test set (40 imaging studies from 2006 to 2016, 40 patients) were collected. Final clinical diagnosis at follow-up was recorded. Convolutional neural network of InceptionV3 architecture was trained on 90% of ADNI data set and tested on the remaining 10%, as well as the independent test set, with performance compared to radiologic readers. Model was analyzed with sensitivity, specificity, receiver operating characteristic (ROC), saliency map, and t-distributed stochastic neighbor embedding. Results The algorithm achieved area under the ROC curve of 0.98 (95% confidence interval: 0.94, 1.00) when evaluated on predicting the final clinical diagnosis of AD in the independent test set (82% specificity at 100% sensitivity), an average of 75.8 months prior to the final diagnosis, which in ROC space outperformed reader performance (57% [four of seven] sensitivity, 91% [30 of 33] specificity; P < .05). Saliency map demonstrated attention to known areas of interest but with focus on the entire brain. Conclusion By using fluorine 18 fluorodeoxyglucose PET of the brain, a deep learning algorithm developed for early prediction of Alzheimer disease achieved 82% specificity at 100% sensitivity, an average of 75.8 months prior to the final diagnosis. © RSNA, 2018 Online supplemental material is available for this article. See also the editorial by Larvie in this issue.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
火星上的笑寒完成签到,获得积分10
9秒前
ding的应助被amiee采纳,获得10
14秒前
含蓄的新柔完成签到,获得积分10
16秒前
dianeil发布了新的文献求助10
25秒前
35秒前
amiee发布了新的文献求助10
41秒前
somehgo的应助被betsydouglas14采纳,获得30
47秒前
共享精神的应助被ping采纳,获得10
49秒前
包容的初阳完成签到,获得积分10
55秒前
58秒前
激动的忆翠完成签到,获得积分10
1分钟前
风趣馒头完成签到,获得积分10
1分钟前
1分钟前
无私的碧玉完成签到,获得积分10
1分钟前
俭朴迎荷完成签到,获得积分10
1分钟前
1分钟前
n01W97的应助被科研通管家采纳,获得70
1分钟前
null的应助被科研通管家采纳,获得10
1分钟前
null的应助被科研通管家采纳,获得10
1分钟前
怕黑靖荷完成签到,获得积分10
1分钟前
专一的思菱完成签到,获得积分10
1分钟前
1分钟前
欢呼亦绿完成签到,获得积分10
1分钟前
ping发布了新的文献求助10
1分钟前
文静飞松完成签到,获得积分10
2分钟前
喜悦的紫雪完成签到,获得积分10
2分钟前
故意的白风完成签到,获得积分10
2分钟前
要减肥的菀完成签到,获得积分10
3分钟前
矢思然完成签到,获得积分10
3分钟前
蓝意完成签到,获得积分0
3分钟前
null的应助被科研通管家采纳,获得10
3分钟前
null的应助被科研通管家采纳,获得10
3分钟前
cocolinfly完成签到 ,获得积分10
3分钟前
null的应助被科研通管家采纳,获得10
3分钟前
Maestro_S的应助被科研通管家采纳,获得10
3分钟前
烂漫的诗蕊完成签到,获得积分10
3分钟前
快乐的如曼完成签到 ,获得积分10
3分钟前
淡淡傲柔完成签到,获得积分10
4分钟前
欣慰怀梦完成签到,获得积分10
4分钟前
漂亮忆曼完成签到,获得积分10
4分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8185411
求助须知:如何正确求助?哪些是违规求助? 9574140
关于积分的说明 21834375
捐赠科研通 7782865
什么是DOI,文献DOI怎么找? 3434552
关于科研通互助平台的介绍 2558842
邀请新用户注册赠送积分活动 2481280