帕金森氏病是世界上增长最快的神经退行性疾病之一，被称为“悄悄杀死”和“慢性癌”。共同的表现包括寒意，肌肉张力和运动彩排，以及供应受损，痴呆等。此外，帕金森氏病（帕金森氏病），认为只有成年人，现在正在“ tart”越来越多的年轻人。长期以来，帕金森氏病疾病的诊断和监测主要依赖于观察该电动机的症状。该方法不仅完全取决于操作员本身，而且无效，而且缺乏诊断标准的目标和数量。在低收入国家，神经科医生甚至很难获得每100,000人的50.03至0.13，进一步限制了及时发现和对Prparkinson病的管理。尽管先前的研究发现，在运动症状发作之前，人体可能会经历一系列生物学变化，例如病理α-突触核蛋白的积累，变化脑脊液中相关酶和视网膜异常结构的相关酶的水平，发现技术，并且在主要医学场景中难以广泛促进。因此，开发帕金森氏病的诊断工具，既有数量，低成本和广泛可用的诊断工具，仍然是临床要求。如今，只有一支笔，可以以高达95％以上的精度来实现帕金森氏病的早期辅助测试。据报道，这款带有磁性墨水的“诊断笔”来自加利福尼亚大学洛杉矶分校（UCLA）生物工程系的终身教授Laboratjun Chen。通过检查人工智能技术（AI）驱动的数据，它可以确定帕金森氏病和健康患者之间字母特征的差异，并有望实现较早的诊断。相关研究论文的标题为“通过个性化手写测试来帮助诊断Parki的神经网络NSON氏病”并发表在《自然》中的自然化学工程学中。 研究小组说，我所掌握的诊断笔可以代表低成本，准确且易于分发大规模分发，这有望实现早期和广泛的筛查，并具有广泛的未来促进效果，并且有望通过当前的临床诊断来填补主要空白。 对帕金森氏症的字母疼痛的认可？这是AI的帮助 根据论文，这支诊断笔主要由磁弹性笔尖组成，体内的铁磁流量墨水由两个部分组成。 笔尖中的磁性颗粒嵌入硅胶基底，可感知书写过程中的压力变化并产生磁场，而铁磁流体墨水对这些磁场变化产生响应，进而生成可记录的电压信号。，进而生成可记录的电压信号。 从材料微观结构到功能响应，研究团队对磁弹性笔尖和铁磁流体墨水的性能进行了系统测试，并发现其在长期使用后仍能保持稳定的磁性与黏度，不存在显着衰减。，不存在显着衰减。 图片｜磁弹性诊断笔的设计和原理。 诊断笔的结构和组成： 一个。个性化写作和帕金森氏病（帕金森氏病）的诊断笔图。 b。诊断笔由磁性弹性笔尖和铁氟墨水组成，由嵌入在硅胶基质中的磁性颗粒组成。 c。铁氟墨水由单个域纳米磁铁组成。 微观结构和材料形态： d。 e。磁弹性尖端材料在两个不同状态下的微型层析成像（Micro-CC）图像：原始状态（扩展之前）和变形状态（拉伸后）。领导者，1.5毫米。 f。磁性纳米颗粒的显微镜图像的传递。领导人，25 nm。 g。在不同的外部磁场下，铁氟墨水的表面形态取决于表面张力，重力和电磁应力的平衡。 Leader，3毫米。 磁场分布和材料特性： h。沿垂直方向的磁弹性笔尖的磁场分布。 我。铁氟利（红色）和磁力笔尖 - 铁氟墨水系统（蓝色）的磁性特性在长期使用前后的样品之间并未发生巨大变化。数据表示为±标准偏差；粘度实验n = 3，磁通测试点n = 5。重要性由两尾t检验确定。 NS，并不重要。 j。应用时，在磁弹性笔尖的各个垂直距离处的磁通量的绝对变化量。 为了证明技术的实用性，研究小组在加州大学洛杉矶分校的罗纳德·里根医疗中心进行了初步研究。 绘制连续波浪线；2。绘制连续螺旋线； 绘制连续螺旋线；3。 照片|个性化的写作分析。 一个。使用诊断笔的个性化写作和审查的系统设计。 b。使用诊断笔在纸上画卷曲线（任务1），绘制三个轮子，并记录Weddingukodi信号。 c。使用诊断笔在纸上绘制螺旋线（任务2），还绘制三个轮子以记录当前信号。 d。使用诊断笔在纸上写字母（任务3），还画了三个轮子以记录当前信号。 （A.U.代表“任意单位”） 根据累积的传感信号，研究小组得出以下结论： 诊断Penmait的记录纸张和空气运动信号具有很高的诚实，尤其是纸质写作，这将由于笔和墨水流动尖端的变形而导致当前价值提高； 当写信时，当前的高潮比绘制卷发或螺旋线更高，因为它涉及更复杂的动态接触。 可以从这些任务中制定的写作参数的数量，并且可以获得诸如当前峰之类的音量参数，并且这些更改与单个写作经验和动作差异密切相关。 最后，resEarch团队实施了审查，即神经网络有助于区分帕金森氏病患者的写作信号和向健康的人写信号。他们回顾了三个基于网络的网络模型： 一维卷积神经网络（1D CNN） 1D CNN + LSTM具有长期和短期内存结构 三种传统的机器研究方法（随机森林，Xgboost，逻辑回归） 数据是erestandard的，并将其分为相等的片段。为了避免培训和测试数据的污染，研究人员使用不同个体的信号进行小组测试。最终的实验重复10次，每次都有不同的随机骨骼，将每个模型的性能与准确性，准确性，回忆和F1标记进行比较。 结果表明，1D CNN模型在所有指标中的表现最佳，精度为0.9622±0.0251，F1标记为0.9266±0.0523，表明在A中特别出色当地功能的概念。健康参与者的恢复率为0.9795，准确率为0.9701；帕金森氏病的恢复率为0.9150，准确性率为0.9432，这不仅有效地避免了误诊（假阴性），而且还降低了误诊的率（假阳性）。 潜在的临床和前景 研究结果表明，结合了网络驱动的神经写作过程的Diagnothis Stic Pen在帕金森氏病的诊断中表现出了巨大的潜力。研究团队模型的比较综述表明，认识到与写作信号相关的短距离要比采用长期依赖性更为重要。这与临床观察结果和实验结果一致 - 帕金森患者的写作信号通常显示出局部异常，例如小峰，这对于准确的鉴定至关重要。 特别是，这些发现基于写入数据根据最初的人类研究。随着未来临床试验数据的积累，更复杂的模型结构（例如基于变压器的体系结构）可能是首选。 印地语像传统的字母测量显微镜一样，此诊断笔在写作过程中的重点是运动特性，可能会更直接地反映与帕金森氏病有关的运动症状，防止引起差异的偏差 - 写作方式 - 写作方式，并提供了一种更专注于症状性质的评估方法。 与视频监控相比，该设备具有更高的成本，易用性，隐私和促销保护：其设计很简单，不需要专业操作，并且适合当天至日环境；用户只需要每天写入即可完成审核，并且该设备不会收集身份信息以确保隐私。尤其是适合Pati的低成本，便携性和易用性Gawin由于非典型症状或缺乏测试来源而无法及时诊断的人。 但是，研究小组还说，当前的研究仍基于样本量较小的初始测试，并且应将研究主题扩展，并应包括帕金森氏症患者的多样化人群，以进一步证明其作为数字生物标志物的有效性，并提高标准临床评估的临床使用。该研究通过审查了13个健康主题的写作信号，成功地确定了3名帕金森氏病患者，但是在此阶段使用的分类模型尚不适用于纵向监测或分级条件。后续研究应介绍具有不同阶段和明确疾病的患者，以探索他们在监测疾病过程中的潜力。 该研究的重点是帕金森氏病的影响，这与临床道具一致帕金森氏病经常患有不对称运动障碍。研究表明，帕金森氏病通常是主要的。无论左派和右边是什么，我们还应该关注影响未来未来的少数群体，并进一步分析其写作特征的差异。 诊断笔的性能取决于墨水墨水和软磁弹性笔尖的化学和机械稳定性。将来，这将通过调节磁性颗粒之间的通信来优化其稳定性，灵敏度和频率响应范围，从而实现更好的设计来实现。在促进实际应用时，设备收集的数据量将大大增加，并且数据存储功能将需要同时提高。将来，笔存储模块可能包含在笔中，可以添加无线同步操作以实现自动连接到个人云数据库以及优化的用户体验。 当前，写作的写作仍然依赖于外部终端操作模型。将来，我们可以探索笔传感器中计算计算模块的嵌入，以增强其自由度并提高资源型环境中的灵活性。 同时，数据隐私的系统管理也很重要。建立ASOUND隐私机制将有助于促进未知的数据共享，为大型研究或研究众包健康提供支持，并进一步促进帕金森氏病管理水平。 由于巨大的科学价值，预计这支技术诊断笔将对学者，工业和临床领域产生潜在的影响，并期望促进相邻学科之间的交流和合作，例如物理，化学，材料科学，生物工程和神经科学。回到Sohu看More