ALSGate: EMG Sinyallerini Kullanarak Güvenilir ALS Tespiti İçin Verimli Bir Kapılı Uzman Karışımı Modeli

Doktor Özeti: Bu çalışma, amiyotrofik lateral skleroz (ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık.) tanısında elektromiyografi (EMG)Elektromiyografi (EMG)Kasların ve sinirlerin elektriksel aktivitesini ölçerek nöromüsküler hastalıkların teşhisinde kullanılan test. sinyallerini kullanan, 'kapılı uzman karışımı' (gated mixture-of-experts) adı verilen rafine bir yapay zeka modeli önermektedir. Model, N2001 EMGLAB açık erişim veri setinden alınan klinik EMG sinyallerini kullanarak ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. hastalarını non-ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. vakalarından otomatik olarak ayırt etmeyi hedeflemektedir. Mimari, lokalize zamansal, uzun menzilli zamansal ve spektral özellikleri öğrenmek için sırasıyla 1D evrişimli sinir ağı (CNN), zamansal evrişimli ağ (TCN) ve spektrogram tabanlı bir CNN'den oluşan üç uzman bileşeni içerir. Bir kapılama mekanizması, uzman katkılarını dinamik olarak ağırlıklandırarak eşit ağırlıklı füzyondan daha iyi performans göstermektedir. Sınıf dengesizliğini gidermek için fokal kayıp (focal loss) ve yakınsamayı iyileştirmek için üstel hareketli ortalama (EMA) stabilizasyonu kullanılmıştır. Model, 0.9992 AUROC, 0.9903 F1-skoru ve 0.9905 dengeli doğruluk (balanced accuracy) değerleri ile yüksek ayırt edici performans sergilemiş ve gerçek zamanlı klinik uygulamaKlinik uygulamaLaboratuvar ortamında geliştirilen tıbbi yöntemlerin veya ilaçların, hastalar üzerinde tedavi edici amaçla kullanılması süreci.lar için potansiyel taşımaktadır.

Önemli Bulgular: ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. tanısında EMG sinyallerini kullanan, yüksek performanslı yeni bir yapay zeka modeli geliştirilmiştir. Model, farklı özellik türlerini (lokalize zamansal, uzun menzilli zamansal, spektral) öğrenen çoklu uzman ağlarını dinamik olarak birleştirmektedir. Sınıf dengesizliği ve yakınsama sorunları için özel eğitim stratejileri (focal loss, EMA) kullanılmıştır. Elde edilen yüksek performans metrikleri (AUROC, F1-skoru, dengeli doğruluk) modelin klinik potansiyelini işaret etmektedir. Gerçek zamanlı klinik uygulamaKlinik uygulamaLaboratuvar ortamında geliştirilen tıbbi yöntemlerin veya ilaçların, hastalar üzerinde tedavi edici amaçla kullanılması süreci.lar için uygunluk potansiyeli vurgulanmıştır.