未来技术学院任秋实团队拓展多模态眼功能成像分析系统的应用场景，助力社区认知障碍筛查
近日，北京大学未来技术学院任秋实教授团队与上海健康医学院周传清教授团队、北京大学深圳医院李金瑛主任和陈旭辉主任团队合作，利用自主研发的多模态眼功能成像分析系统，开发人工神经网络（ANN）模型，开展老年人群认知障碍的检测，为社区认知障碍的早期筛查提供了新的解决方案。该研究以“Predicting cognitive impairment with multimodal ophthalmic imaging and artificial neural network for community screening”为题，发表在《英国眼科杂志》（British Journal of Ophthalmology）上，为社区认知障碍的早期筛查提供了新的解决方案。
论文截图
随着全球老龄化加剧，认知障碍已成为严重的公共卫生问题。传统的认知障碍筛查方法主观性强、耗时长且受教育水平影响，难以在社区大规模推广。任秋实团队前期研制的多模态眼功能成像分析系统，集成了视网膜多光谱成像（MSI）、瞳孔光反射定量分析（PLR）、视网膜血氧功能成像和激光散斑对比成像（LSCI）等技术，能够通过非侵入、快速、低成本的方式，准确评估视网膜的神经和血管状况。
多模态眼功能成像分析系统实物图及各模块检测结果图
研究团队通过对104名认知障碍患者和94名年龄、性别匹配的认知健康对照者的多模态眼科成像数据进行分析，发现认知障碍患者的视网膜光谱反射、瞳孔光反射、视网膜结构和血氧代谢功能均存在显著异常。分析结果表明，认知障碍患者会发生视网膜结构和功能的变化。基于这些数据，团队开发了反向传播神经网络（BPNN）模型，预测认知障碍的准确率高达91%，灵敏度和特异性分别为93.3%和90%，显著高于传统的多因素二元Logistic回归模型的检测性能（准确率69%，灵敏度:61.70%，特异性：68.66%）。
用于认知障碍检测的BPNN模型的示意图（A）和受试者工作特征曲线（ROC）在BPNN和二元Logistic回归模型的结果
任秋实表示，该设备结合人工智能分析技术，为社区认知障碍的早期筛查提供了有力工具，未来有望通过在更广泛的人群中来验证结果，实现在临床和社区中的大规模推广应用，助力认知障碍的早期筛查。
本研究由北京大学深圳研究生院、未来技术学院，北京大学深圳医院、上海健康医学院、北京大学医学部医学技术研究院、深圳湾实验室的研究团队共同完成。研究得到了国家自然科学基金、国家生物医学成像设施、北京市自然科学基金、深圳市科技创新计划、广东省基础与应用基础研究基金的资助。
本文链接：http://knowith.com/news-3-2507.html未来技术学院任秋实团队拓展多模态眼功能成像分析系统的应用场景，助力社区认知障碍筛查
声明：本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
