深度學習在擴散磁共振成像中對帕金森病患者之認知功能障礙的鑑別診斷和退化預測

（一） 計畫中文摘要。實驗目標本計畫利用人工智慧為帕金森氏症有/無合併認知功能障礙提供磁共振成像的鑑別診斷、認知退化與預後。臨床需求目前對帕金森氏症合併認知障礙診斷係透過神經學家的主觀判斷，檢驗耗時冗長。若認知持續退化，相關照護與醫療負擔也會大幅加重。實驗假設及設計當帕金森氏症出現認知退化症狀時，擴散磁共振成像顯示大腦會受到程度不等的影響。因此我們假設，不同嚴重度的認知退化會出現不同的神經網路形狀結構，結合這些結構的擴散性質將可以協助患者認知障礙的鑑別診斷。我們設計用深度學習方式加速重建擴散張量影像，並透過機器學習工具篩選分割全腦之腦區特徵，利用卷積神經網路以確定最佳鑑別診斷腦區之組合。我們將依追蹤時的臨床退化程度建立預後模型。我們將評估帕金森氏症有/無合併認知功能障礙及認知功能是否退化之影像診斷表現，評估患者大腦白質之變化，並以追蹤患者與國際資料庫影像來確認模型的表現。重要性及新穎性本計畫能增加例行神經放射檢查的附加價值，大幅提升臨床醫生的診斷信心並減輕病人往復檢查的負擔。本計畫使用新穎的纖維體束分析，以人工智慧縮短成像的時間並進行分類方法，成果且能提供卷積神經網路診斷的解釋。

系統編號:PC10907-0995
原計畫編號:MOST109-2314-B182-021-MY3