PUBLICIDAD

Actualidad y Artículos | TDAH - Hiperactividad   Seguir 34

Me Gusta   0 0 Comentar  0 0

Aprendizaje automático y modelos de diagnóstico basados ​​en resonancia magnética para el TDAH

  • Autor/autores: Yanli Zhang-James, Ali Shervin Razavi y Stephen V. Faraone



0%
Artículo | 27/02/2023

Objetivo El aprendizaje automático (ML) se ha aplicado para desarrollar clasificadores de diagnóstico basados ​​en imágenes por resonancia magnética (IRM) para el trastorno por déficit de atención/hiperactividad (TDAH). Esta revisión sistemática examina esta literatura para aclarar su importancia clínica y evaluar las implicacione...

Estás viendo una versión reducida de este contenido.

Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.

Objetivo


El aprendizaje automático (ML) se ha aplicado para desarrollar clasificadores de diagnóstico basados ​​en imágenes por resonancia magnética (IRM) para el trastorno por déficit de atención/hiperactividad (TDAH). Esta revisión sistemática examina esta literatura para aclarar su importancia clínica y evaluar las implicaciones de los diversos métodos analíticos aplicados.


Métodos


Se realizó una búsqueda bibliográfica exhaustiva sobre clasificadores de diagnóstico basados ​​en resonancia magnética para el TDAH y se recopilaron datos sobre los modelos y muestras utilizados.


Resultados


Encontramos que, aunque la mayoría de los estudios informaron las precisiones de la clasificación, variaron en la elección de las modalidades de resonancia magnética, los modelos de ML, los métodos de prueba y validación cruzada y los tamaños de muestra.


Descubrimos que las precisiones de los métodos de validación cruzada inflaron la estimación del rendimiento en comparación con las de una prueba retenida, lo que comprometió la generalización del modelo.


Las precisiones de las pruebas aumentaron con el año de publicación, pero no se asociaron con el tamaño de las muestras de entrenamiento. La precisión mejorada de la prueba con el tiempo probablemente se debió al uso de mejores métodos de ML junto con estrategias para lidiar con los desequilibrios de datos.


Conclusión


En última instancia, grandes conjuntos de datos de imágenes multimodales y, potencialmente, la combinación con otros tipos de datos, como datos cognitivos y/o genéticos, serán esenciales para lograr el objetivo de desarrollar herramientas de clasificación de imágenes clínicamente útiles para el TDAH en el futuro.


Para acceder al texto completo consulte las características de suscripción de la fuente original:https://journals. sagepub. com/

Comentarios de los usuarios



No hay ningun comentario, se el primero en comentar

Recomendamos

Suicidio Prevención

¡Novedad en libros! La visión actual del suicidio, científicamente fundamentada, es que, aunque ...

VER MÁS
VER TODO
página antidepresivos
Publicidad

Próximos cursos


Prevención de la conducta suicida e Intervención en crisis

Inicio: 20/11/2024 |Precio: 120€

Ver curso