Inżynier UTA wykorzysta narzędzia głębokiego uczenia się, aby określić rodzaje demencji związanej z chorobą Alzheimera

Inżynier UTA wykorzysta narzędzia głębokiego uczenia się, aby określić rodzaje demencji związanej z chorobą Alzheimera

Inżynier komputerowy z Uniwersytetu Teksasu w Arlington będzie dalej rozwijał i integrował zaawansowane metody i narzędzia głębokiego uczenia się, aby określić typy demencji związanych z chorobą Alzheimera (ADRD), co z kolei może pomóc społeczności medycznej w lepszym leczeniu tych chorób.

Dajiang Zhu, adiunkt na Wydziale Informatyki i Inżynierii, poprowadzi pięcioletni projekt o wartości 2,86 miliona dolarów, wspierany przez Narodowy Instytut Chorób Neurologicznych i Udaru mózgu (NINDS). Zhu będzie współpracować z naukowcami z Uniwersytetu Karoliny Północnej w Chapel Hill i Uniwersytetu Georgia, aby skupić się na opracowaniu modelu głębokiego uczenia się do analizy ADRD.

Jako dwa najczęstsze typy demencji, choroba Alzheimera i otępienie z ciałami Lewy'ego (LBD) stanowią od 65% do 85% osób z demencją w całym kraju, czyli około 7,5 miliona osób.

Zhu powiedział, że istnieją istotne różnice w ustalaniu, czy pacjent cierpi na chorobę Alzheimera, czy LBD. Różnice te mogą w znacznym stopniu wpłynąć na rodzaj przepisanego leczenia. Jednakże rozróżnienie między chorobą Alzheimera a LBD jest trudne ze względu zarówno na mieszane patologie, jak i objawy kliniczne.

„W tym projekcie odkryjemy, zdefiniujemy i przedstawimy poszczególne sieci GyralNets – model obliczeniowy integrujący zarówno metody głębokiego uczenia się, jak i markery neuroobrazowania – w celu scharakteryzowania nieprawidłowości związanych z chorobą Alzheimera/LBD u poszczególnych pacjentów”

Dajiang Zhu, adiunkt na Wydziale Informatyki i Inżynierii Uniwersytetu Teksasu w Arlington

Dodał, że w ramach projektu ostatecznie skompilowane, zobrazowane i przeanalizowane zostaną wielkoskalowe dane dotyczące mózgu w praktycznych zastosowaniach klinicznych.

„Docelowo chcemy scharakteryzować i podsumować głębokie powiązania w mózgu, które doprowadzą do poprawy zdolności przewidywania choroby Alzheimera i LBD” – powiedział Zhu. „Wierzymy, że wcześniejsza identyfikacja konkretnej choroby może prowadzić do lepszych wyników dzięki lepszemu leczeniu tych pacjentów”.

Hong Jiang, profesor naukowy Wendella H. Neddermana i kierownik Wydziału Informatyki i Inżynierii, powiedział, że badania Zhu mogą mieć znaczący wpływ.

„Zebranie wszystkich danych, które można zebrać i wykorzystanie ich, aby pomóc społeczeństwu i osobom cierpiącym na te choroby, jest monumentalne” – powiedział Jiang. „Reprezentuje istotę badań uniwersyteckich”.

Źródło:

Uniwersytetu Teksasu w Arlington

.