人工智能可从婴儿大脑图像中发现自闭症征兆

2023-11-21 16:50

本文主要是介绍人工智能可从婴儿大脑图像中发现自闭症征兆,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

美国科研人员利用人工智能算法对18839个月大的婴儿的大脑图像进行分析,发现了其中的自闭症征兆。

美国波士顿的科学家们使用“低成本、非侵入式”脑电图(EEGs)开发了一种解读脑电图数据的算法,能在脑电图信号中寻找模式,并利用这些模式进行预测或排除一个婴儿患有自闭症谱系障碍的可能性。在一个由188名婴儿组成的样本案例中,该算法对9个月大的婴儿预测自闭症谱系障碍(ASD)的准确率几乎达到100%。该算法还被用来预测该疾病的严重程度。

640?wx_fmt=jpeg

由于自闭症谱系障碍的复杂性,任何年龄段的自闭症诊断都相当困难。通常情况下,在婴儿两岁左右,症状就会显现出来,而这个年龄段对孩子的社交和沟通起着重要作用。为此,波士顿儿童医院、波士顿大学和旧金山大学的认知神经科学实验室的医生和计算科学家们研究了来自婴儿兄弟姐妹项目的数据,该项目现在被称为婴儿筛查项目。

该项目是波士顿儿童医院和波士顿大学之间的合作项目,目的是规划早期发展,并鉴别那些有自闭症和/或语言和沟通障碍风险的婴儿。为了研究这些数据,旧金山大学的健康信息学和临床心理学副教授William Bosl博士在过去的十年里一直致力于对脑电图信号进行解读。Bosl的研究表明,即使是出现“正常”的脑电图,也包含了“深层”数据,这些数据揭示了大脑功能、连接模式和结构的秘密,而这是人类医生所不能看到的。

在婴儿筛查项目中,Bosl博士从99名被认为患有自闭症高风险的婴儿中获取他们的脑电图数据,这些婴儿的哥哥或姐姐已经有了自闭症诊断,此外,数据来源还有89个低风险儿童,他们的兄弟姐妹没有受该疾病影响。当婴儿36912182436个月大时,婴儿坐在妈妈的大腿上,头皮上被安装一个内置128个传感器的网,以此获取他们的脑电图数据。所有婴儿都接受了自闭症诊断观察计划(ADOS)的行为评估。

Bosl的算法分析了脑电图的6种频率(高γ波、γ波、β波、α波、θ波、δ波),以测量每个婴儿大脑连接方式和处理信息方式的的差异。在95%以上的病例中,该算法预测自闭症的临床诊断为“高特异性、敏感性和阳性预测值”。Bosl称这样的结果“令人震惊”。

婴儿在3个月到9个月大时,预测准确率几乎为100%,而且研究小组还能够预测自闭症的严重程度,就像用自闭症诊断观察量表(ADOS)的校准严重程度评分来表示,婴儿在9个月大的时候该预测也有“相当高的可靠性”。

波士顿儿童医院认知神经科学实验室主任、这项研究的作者之一Charles Nelson博士称,脑电图是一种低成本、非侵入式、相对容易的用于婴儿健康检查的方法。它在预测孩子是否会患上自闭症上的可靠性提高了尽早(在明显的行为症状出现之前)干预的可能性。这可能会带来更好的结果,甚至可能会阻止一些与自闭症相关的行为。

Bosl认为,在大脑活动的多个方面,脑电图信号复杂性存在早期差异,这与自闭症是在大脑早期发育过程中开始的一种障碍,但它可以采取不同的途径呈现的观点相符合。这项研究已发表在《科学报告》杂志上。

640?wx_fmt=jpeg


这篇关于人工智能可从婴儿大脑图像中发现自闭症征兆的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/403693

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

基于人工智能的智能家居语音控制系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 随着物联网(IoT)和人工智能技术的发展,智能家居语音控制系统已经成为现代家庭的一部分。通过语音控制设备,用户可以轻松实现对灯光、空调、门锁等家电的控制,提升生活的便捷性和舒适性。本文将介绍如何构建一个基于人工智能的智能家居语音控制系统,包括环境准备

Verybot之OpenCV应用一:安装与图像采集测试

在Verybot上安装OpenCV是很简单的,只需要执行:         sudo apt-get update         sudo apt-get install libopencv-dev         sudo apt-get install python-opencv         下面就对安装好的OpenCV进行一下测试,编写一个通过USB摄像头采

从希腊神话到好莱坞大片,人工智能的七大历史时期值得铭记

本文选自historyextra,机器之心编译出品,参与成员:Angulia、小樱、柒柒、孟婷 你可能听过「技术奇点」,即本世纪某个阶段将出现超级智能,那时,技术将会以人类难以想象的速度飞速发展。同样,黑洞也是一个奇点,在其上任何物理定律都不适用;因此,技术奇点也是超越未来理解范围的一点。 然而,在我们到达那个奇点之前(假设我们能到达),还存在另一个极大的不连续问题,我将它称之

[Day 73] 區塊鏈與人工智能的聯動應用:理論、技術與實踐

AI在健康管理中的應用實例 1. 引言 隨著健康管理需求的提升,人工智能(AI)在該領域的應用越來越普遍。AI可以幫助醫療機構提升效率、精準診斷疾病、個性化治療方案,以及進行健康數據分析,從而改善病患的健康狀況。這篇文章將探討AI如何應用於健康管理,並通過具體代碼示例說明其技術實現。 2. AI在健康管理中的主要應用場景 個性化健康建議:通過分析用戶的健康數據,如飲食、運動、睡眠等,AI可

【微服务】Ribbon(负载均衡,服务调用)+ OpenFeign(服务发现,远程调用)【详解】

文章目录 1.Ribbon(负载均衡,服务调用)1.1问题引出1.2 Ribbon负载均衡1.3 RestTemplate整合Ribbon1.4 指定Ribbon负载均衡策略1.4.1 配置文件1.4.2 配置类1.4.3 定义Ribbon客户端配置1.4.4 自定义负载均衡策略 2.OpenFeign面向接口的服务调用(服务发现,远程调用)2.1 OpenFeign的使用2.1 .1创建

【python计算机视觉编程——7.图像搜索】

python计算机视觉编程——7.图像搜索 7.图像搜索7.1 基于内容的图像检索(CBIR)从文本挖掘中获取灵感——矢量空间模型(BOW表示模型)7.2 视觉单词**思想****特征提取**: 创建词汇7.3 图像索引7.3.1 建立数据库7.3.2 添加图像 7.4 在数据库中搜索图像7.4.1 利用索引获取获选图像7.4.2 用一幅图像进行查询7.4.3 确定对比基准并绘制结果 7.

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

HalconDotNet中的图像特征与提取详解

文章目录 简介一、边缘特征提取二、角点特征提取三、区域特征提取四、纹理特征提取五、形状特征提取 简介   图像特征提取是图像处理中的一个重要步骤,用于从图像中提取有意义的特征,以便进行进一步的分析和处理。HalconDotNet提供了多种图像特征提取方法,每种方法都有其特定的应用场景和优缺点。 一、边缘特征提取   边缘特征提取是图像处理中最基本的特征提取方法之一,通过检

超越IP-Adapter!阿里提出UniPortrait,可通过文本定制生成高保真的单人或多人图像。

阿里提出UniPortrait,能根据用户提供的文本描述,快速生成既忠实于原图又能灵活调整的个性化人像,用户甚至可以通过简单的句子来描述多个不同的人物,而不需要一一指定每个人的位置。这种设计大大简化了用户的操作,提升了个性化生成的效率和效果。 UniPortrait以统一的方式定制单 ID 和多 ID 图像,提供高保真身份保存、广泛的面部可编辑性、自由格式的文本描述,并且无需预先确定的布局。