Autor/autores:
Xiaowen Xu , Yang Li , Ning Ding...(et.al)
Fundamento y objetivos Explorar las características de la estructura cerebral en niños chinos con trastorno del espectro autista (TEA) utilizando la técnica de segmentación cerebral automática de inteligencia artificial y diagnosticar a niños con TEA utilizando métodos de aprendizaje automático (ML) en combinación con caracterí...
PUBLICIDAD
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.
Explorar las características de la estructura cerebral en niños chinos con trastorno del espectro autista (TEA) utilizando la técnica de segmentación cerebral automática de inteligencia artificial y diagnosticar a niños con TEA utilizando métodos de aprendizaje automático (ML) en combinación con características de imágenes por resonancia magnética estructural (sMRI).
Se inscribieron prospectivamente un total de 60 niños con TEA y 48 niños con desarrollo típico (TD) de la misma edad y sexo desde enero de 2023 hasta abril de 2024. Se escaneó a todos los sujetos utilizando secuencias 3D-T1.
Se utilizaron técnicas de segmentación cerebral automatizada para obtener el volumen estandarizado de cada estructura cerebral (la relación entre el volumen absoluto de la estructura cerebral y el volumen cerebral total).
Se compararon estadísticamente los volúmenes estandarizados de cada estructura cerebral en los dos grupos y los datos de volumen de las áreas cerebrales con diferencias significativas se combinaron con métodos de aprendizaje automático para diagnosticar y predecir a los pacientes con TEA.
En comparación con el grupo TD, los volúmenes de la corteza orbitofrontal lateral derecha, la corteza orbitofrontal medial derecha, la pars opercularis derecha, la pars triangularis derecha, el hipocampo izquierdo, el giro parahipocampal bilateral, el giro fusiforme izquierdo, el giro temporal superior derecho, la ínsula bilateral, la corteza parietal inferior bilateral, la corteza precuneus derecha, el putamen bilateral, el pálido izquierdo y el tálamo derecho aumentaron significativamente en el grupo TEA ( P < 0, 05).
Entre los seis algoritmos de ML, la máquina de vectores de soporte (SVM) y adaboost (AB) tuvieron un mejor rendimiento en la diferenciación de sujetos con TEA de aquellos niños TD, con su área bajo la curva (AUC) promedio alcanzando 0, 91 y 0, 92, respectivamente.
La tecnología de segmentación automática del cerebro basada en inteligencia artificial puede medir y mostrar de forma rápida y directa el volumen de las estructuras cerebrales en niños con trastorno del espectro autista y niños con un desarrollo normal. Los niños con TEA muestran anomalías en múltiples estructuras cerebrales y, cuando se combinan con las funciones de resonancia magnética, los algoritmos de aprendizaje automático funcionan bien en el diagnóstico del TEA.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www. sciencedirect. com/
