UTA-ingeniør vil bruge deep learning-værktøjer til at lokalisere typer af demens forbundet med Alzheimers sygdom

UTA-ingeniør vil bruge deep learning-værktøjer til at lokalisere typer af demens forbundet med Alzheimers sygdom

En computeringeniør ved University of Texas i Arlington vil videreudvikle og integrere kraftfulde deep learning-metoder og værktøjer til at lokalisere typer af demens forbundet med Alzheimers sygdom (ADRD), som igen kan hjælpe det medicinske samfund til bedre at behandle disse sygdomme.

Dajiang Zhu, assisterende professor ved Institut for Datalogi og Teknik, vil lede et femårigt projekt på 2,86 millioner dollars støttet af National Institute of Neurological Disorders and Stroke (NINDS). Zhu vil arbejde sammen med forskere ved University of North Carolina-Chapel Hill og University of Georgia for at fokusere på at udvikle en dyb læringsmodel til ADRD-analyse.

Som de to mest almindelige typer demens udgør Alzheimers sygdom og Lewy body demens (LBD) 65 % til 85 % af mennesker med demens på landsplan, eller omkring 7,5 millioner mennesker.

Zhu sagde, at der er vigtige forskelle i at bestemme, om en patient har Alzheimers eller LBD. Disse forskelle kan i høj grad påvirke den type behandling, de ordineres. Men det er udfordrende at skelne mellem Alzheimers sygdom og LBD på grund af både blandede patologier og kliniske symptomer.

"I dette projekt vil vi opdage, definere og repræsentere individuelle GyralNets - en beregningsmodel, der integrerer både deep learning metoder og neuroimaging markører - for at karakterisere abnormiteterne forbundet med Alzheimers/LBD for individuelle patienter."

Dajiang Zhu, assisterende professor, Institut for Datalogi og Teknik, University of Texas i Arlington

Han tilføjede, at projektet i sidste ende vil kompilere, afbilde og analysere storskala hjernedata til praktiske kliniske omgivelser.

"I sidste ende ønsker vi at karakterisere og opsummere dybe forhold i hjernen, der vil føre til at forbedre forudsigelsesevnen mellem Alzheimers og LBD," sagde Zhu. "Vi mener, at tidligere identifikation af, hvilken specifik sygdom der er til stede, kan føre til bedre resultater gennem bedre behandling af disse patienter."

Hong Jiang, Wendell H. Nedderman-begavet professor og formand for Institut for Computer Science and Engineering, sagde, at Zhus forskning har potentiale til betydelig effekt.

"At tage alle de data, der kan indsamles, og bruge dem til at hjælpe samfundet og de mennesker, der lider af disse sygdomme, er monumentalt," sagde Jiang. "Det repræsenterer, hvad universitetsforskning handler om."

Kilde:

University of Texas i Arlington

.