UTA-ingeniør vil bruke dyplæringsverktøy for å finne typer demens assosiert med Alzheimers sykdom

UTA-ingeniør vil bruke dyplæringsverktøy for å finne typer demens assosiert med Alzheimers sykdom

En dataingeniør ved University of Texas i Arlington vil videreutvikle og integrere kraftige dyplæringsmetoder og verktøy for å identifisere typer demens assosiert med Alzheimers sykdom (ADRD), som igjen kan hjelpe det medisinske miljøet med å behandle disse sykdommene bedre.

Dajiang Zhu, assisterende professor ved Institutt for informatikk og ingeniørvitenskap, vil lede et femårig prosjekt på 2,86 millioner dollar støttet av National Institute of Neurological Disorders and Stroke (NINDS). Zhu vil jobbe med forskere ved University of North Carolina – Chapel Hill og University of Georgia for å fokusere på å utvikle en dyp læringsmodell for ADRD-analyse.

Som de to vanligste typene demens utgjør Alzheimers sykdom og Lewy body demens (LBD) 65 % til 85 % av personer med demens på landsbasis, eller rundt 7,5 millioner mennesker.

Zhu sa at det er viktige forskjeller når det gjelder å avgjøre om en pasient har Alzheimers eller LBD. Disse forskjellene kan i stor grad påvirke typen behandling de foreskrives. Å skille mellom Alzheimers sykdom og LBD er imidlertid utfordrende på grunn av både blandede patologier og kliniske symptomer.

"I dette prosjektet vil vi oppdage, definere og representere individuelle GyralNets - en beregningsmodell som integrerer både dyplæringsmetoder og nevroavbildningsmarkører - for å karakterisere abnormitetene forbundet med Alzheimers/LBD for individuelle pasienter."

Dajiang Zhu, assisterende professor, Institutt for informatikk og ingeniørvitenskap, University of Texas i Arlington

Han la til at prosjektet til slutt vil kompilere, avbilde og analysere storskala hjernedata for praktiske kliniske omgivelser.

"Til syvende og sist ønsker vi å karakterisere og oppsummere dype forhold i hjernen som vil føre til å forbedre prediksjonsevnen mellom Alzheimers og LBD," sa Zhu. "Vi tror at tidligere identifisering av hvilken spesifikk sykdom som er til stede kan føre til bedre resultater gjennom bedre behandling av disse pasientene."

Hong Jiang, professor ved Wendell H. Nedderman og leder av Institutt for informatikk og ingeniørvitenskap, sa Zhus forskning har potensial for betydelig effekt.

"Å ta alle dataene som kan samles inn og bruke dem til å hjelpe samfunnet og menneskene som lider av disse sykdommene er monumentalt," sa Jiang. "Det representerer hva universitetsforskning handler om."

Kilde:

University of Texas i Arlington

.