深度学习在老年人轻度认知障碍诊断中应用的Scoping综述
吴晓晖1
蒋雷2
朱静茹3
解利辉4
1.首都体育学院实验室与国有资产管理处,北京市 1001912.首都体育学院体育教育训练学院,北京市 1001913.首都体育学院运动科学与健康学院,北京市 1001914.首都体育学院体育人工智能研究院,北京市 100191
摘要：目的 综述深度学习(DL)在老年人轻度认知障碍(MCI)诊断中的应用与效果.
方法 在PubMed、Web of Science、中国知网和万方数据库中,检索建库至2024年12月关于DL在老年人MCI应用方面的文献,并进行Scoping综述.文献筛选流程遵循Scoping综述报告规范清单,并采用循证卫生保健中心开发的横断面研究质量评价工具进行质量评估.
结果 共纳入11篇文献,来自意大利、美国、韩国、中国、印度和瑞士,涉及11 829例老年参与者,发表时间集中于2014年至2024年.该领域近10年的快速发展趋势,与DL技术的发展时间一致.纳入文献质量评分均为6～7分.研究类型均为横断面研究,学科交叉特征显著,主要来源于临床医学、生物学、神经影像学等领域.文献数据主要基于阿尔茨海默病神经影像计划数据库,并整合其他数据资源.数据类型方面,除脑影像数据外,还包括1项基于文本数据的研究.使用模型方面,其中5篇研究主要基于卷积神经网络,其余均采用不同的DL模型框架.任务类型包含二分类和三分类.预测结果方面,通过对脑影像等多模态数据构建的DL模型,可构建出高精度的MCI分类预测模型,模型效果均良好,准确率均为70%以上,AUC值均超过0.7.其中部分模型的诊断准确率超过90%,预测准确率最高的模型为使用Biceph-net轻量级框架,准确率接近100%.而基于Transformer的文本分析模型AUC值为0.846,为非影像数据的诊断提供新思路.
结论 DL不仅可为老年人MCI准确识别提供有力支撑,还为临床医生提供了辅助预测工具,有助于延缓病情进展,改善患者预后.
关键词：老年人轻度认知障碍深度学习Scoping综述
分类号：R749.1(精神病学)
论文发表日期：2025-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 674-681 )
英文信息