2Min读到|心理健康

新闻发布会上

研究人员开发了一种改进未来阿尔茨海默病诊断的新方法

引用这
新闻发布(2022年,9月29日)。研究人员开发了一种改进未来阿尔茨海默病诊断的新方法。心理健康心理学.//www.mums-channel.com/new-approach-improve-future-diagnosis-alzheimers-disease/
阅读时间:2分钟

考文垂大学研究人员开发了一种新工具提供帮助诊断阿尔茨海默病

阿尔茨海默病是最常见的神经退行性疾病之一,影响着全球5000万患者,预计到2050年这一数字将增加50%。

当前的阿尔茨海默病诊断方法,如认知、身体和放射评估往往是主观的,耗时的,对患者的侵入性。

本研究希望通过接受更准确的超声心动图来改善患者的体验更快的诊断

考文垂大学计算科学和数学建模中心的研究人员何飞博士和多米尼克·克莱普开发了一种独特的诊断方法,可以分析大脑动力学从脑电图信号测量脑电活动。

这项突破性的研究使用了统计物理学中的能量景观概念来模拟患者的脑电图信号。这表明研究结果可以用来改善阿尔茨海默氏症的诊断该方法的性能明显优于替代基线诊断模型并提供高水平的准确性。

大脑能量图是一种分析方法,可以用来量化大脑在稳定状态之间过渡的动态。这些大脑状态说明了大脑活动的不同模式,激活或抑制不同的大脑区域在一个特定的时间。

糖尿病患者的脑电图动态阿尔茨海默氏症比正常人更受约束,大脑的能量分布图显示出更多的局部活动。

结果表明阿尔茨海默氏症患者的脑电图信号不那么复杂,这表明与非患者相比,改变大脑状态的难度增加了。这种方法可以用来分析其他的神经系统疾病包括帕金森氏症。

计算科学与数学建模研究中心助理教授何飞博士说:“我们的研究表明,研究大脑的全局动态在描述神经系统疾病方面的重要性阿尔茨海默氏症d疾病.’

“能量景观技术和脑电图可以提供很有前途的工具来支持诊断和描述严重程度。阿尔茨海默病一个病人。”

“这项研究也证明了多学科研究的重要性,比如整合统计物理学、信号处理和机器学习的技术,在应对全球性挑战时,比如。神经退行性疾病.’

该研究是英国皇家德文郡和埃克塞特郡NHS基金会神经生理学系Ptolemaios Sarrigiannis博士、谢菲尔德大学神经科学系Daniel Blackburn博士、新加坡a *STAR信息通信研究所Min Wu博士和伦敦布鲁奈尔大学生命科学系Matteo De Marco博士合作项目的一部分。


Psychreg主要用于信息目的;本网站的资料并不打算取代专业意见。不要因为你在本网站上看到的内容而忽视专业建议或推迟寻求治疗。阅读我们的完整的免责188博金宝体育声明

Baidu
map