Page 239 - 急诊医学与精神疾病的临床理论研究

Clinical Theoretical Research on Emergency Medicine and Mental Disorders
急诊医学与精神疾病的临床理论研究

（一）精神疾病诊断中与 AI 相关的主要技术
AI 技术正被逐步应用于精神疾病诊断。大脑结构和功能是精神疾病最重要
的生物学表型和关键的诊断标志物。因此，使用 AI 技术可以获得用以表征不同

精神疾病的详细信息，从而对这些疾病进行诊断。精神疾病研究中用于大脑观察
的三种主要技术：磁共振成像（MRI）、脑电图（EEG）和基于体势学的诊断的
技术。接下来，我们将讨论这些技术基于 AI 的相关应用。
1. 磁共振成像

MRI 是用于研究行为和认知神经科学的主要技术，因为该技术可以探测明
显的精神异常，而这些精神异常是计算机断层扫描（CT）技术所无法检测到的。
目前，脑成像常用的 AI 技术包括多任务 / 多模式学习、分类、核心和深度学习
方法，这些方法有助于有效分析现有疾病数据、探索关键生物标志物和提高大脑

疾病的临床治疗能力。
尽管许多与 AI 相关的技术已经被应用到 MRI，但本节我们主要介绍被用
于神经成像研究的卷积神经网络（CNN）和深度神经网络（DNN），以阐明精
神疾病的神经相关性。例如，Hosseini-Asl 等提出了一种新的自适应三维（3D）

深度监督 CNN，该网络可以自动提取和识别阿尔茨海默病的特征、捕捉由阿尔
茨海默病引起的变化，以及利用这些网络对 MRI 图像进行分析和识别。此外，
Koyamada 等使用 DNN 构建了一种主题传输解码器。该解码器是由人脑连接组
计划（HCP）中的功能性 MRI（fMRI）数据集所训练的，它具有比其他解码方

法更高的解码精度。
目前，虽然 MRI 是一种重要的精神疾病诊断工具，但它仍存在几个主要的
缺点。首先，MRI 需要大量的计算机配置。其次，它需要大量数据来优化模型的
关键参数。第三，它的成像过程耗时较长。因此，如何改进现有的基于 AI 的应

用来解决这些问题是 MRI 未来的重要研究方向。
2. 脑电图
目前，EEG 信号对于理解人类大脑如何处理信息和诊断精神疾病是非常重
要的，我们可以通过检测和记录人类的 EEG 信号来完成神经系统疾病的诊断和

治疗。与 CT 和 MRI 相比，EEG 具有更高的时间分辨率。因此，尽管 EEG 的空
间分辨率有限，但它仍然是一个有价值的研究和诊断工具，特别是当特定的研究
需要毫秒级的时间分辨率时，如关于焦虑症、精神病和抑郁症的研究。

222