1. technology and computing
2. consumer electronics
3. telephones
4. mobile phones
5. smart phones

Philosophical Communications, Web Series, No 54.
Dept. of Philosophy, Linguistics and Theory of Science,
University of Gothenburg, Sweden.
ISSN 1652-0459
Neurala nätverk och modeller
för mänskligt tänkande
Philosophical Communications, Web Series, No 50. Dept. of Philosophy, Göteborg University, Sweden. ISSN 1652-0459
Philosophical Communications, Web Series, No. 45. Dept. of Philosophy, Göteborg University, Sweden. ISSN 1652-0459.
Poster presented at Svenska Läkaresällskapets Riksstämma, Nov. 28-30, 2007.
The Göteborg MCI study –absolute and normalized
hippocampal volumes in the prediction of dementia
Poster presented at Medicinteknikdagarna, Gothenburg, Sweden. Oct. 14-15, 2008
AUTOMATIC COMPUTER-BASED DIAGNOSIS IN ACUTE ABDOMINAL PAIN
Kajsa Nalin1, Helge Malmgren2, Ulf Gunnarsson3, Helena Laurell4, Malin C.B. Åberg5, Lars-Erik Hansson6
Eckerström, Carl1; Olsson, Erik2; Rolstad, Sindre1; Edman, Åke¹; Wallin, Anders1; Malmgren, Helge2
1
Kollegium SSKKII, Centre of Interdisciplinary Research/Cognition/Information, SE-405 30 Gothenburg, Sweden,
1) The Sahlgrenska Academy at Göteborg University, Institute for Neuroscience and Physiology, Mölndal, Sweden
2) Göteborg University, Department of Philosophy, Göteborg, Sweden
2
Department of philosophy, University of Gothenburg, SE-405 30 Gothenburg, Sweden,
3
Department of Surgery, Karolinska University Hospital, SE-171 76 Stockholm, Sweden
4
Department of Surgery, Mora Hospital, SE-792 85 Mora, Sweden,
5
Institute of neuroscience and physiology, University of Gothenburg, SE-413 90 Gothenburg, Sweden
6
Department of Surgery, Sahlgrenska University Hospital/Östra, SE-416 85 Gothenburg, Sweden
BACKGROUND
RESULTS
In a project initiated in Mora in 1997 [3], 3 337 patients
were examined using a standardised form consisting of
some 55 different parameters, ranging from current pain
localization to various blood measurements, describing
the patient’s history and status. The same patients were
later followed up to determine the final diagnosis. Here,
we report on our first findings using this material for
studies on computer-based diagnosis of acute abdominal
pain.
In this poster we present our latest preliminary results
using the one-against-all and one-against-one approach.
Table 1: Summary of performance results for the diagnosis of diverti-culitis and nonspecific abdominal pain (NSAP): sensitivity/specificity.
.
Before using the collected data these were first
transformed to a homogeneous format and the resulting
dimensionality was 127. Missing data were substituted
with the use of estimated normal (“healthy”) values.
Figure 2: Histograms illustrating the separability of:
A) Diverticulitis (black) vs. all other diseases (grey)
B) Non-specific abdominal pain (black) vs. all other diseases (grey)
C) Diverticulitis (black) vs. non-specific abdominal pain (grey)
Our trials with linear networks, using softmax output and
six categories (diagnose groups), performed almost as well
as the doctors. Following trials with non-linear networks
showed no convincing results.
Support vector machines (SVMs) are a type of
classification algorithms and the SVM model is trained by
adapting its weights to the data at hand. The area under
the receiver operating characteristic curve (AUC) was used
to measure performance.
May 13th-16th 2000
The Göteborg MCI study is a clinically based longitudinal
study that aims at identifying neurodegenerative, vascular
and stress-related disorders prior to the development of
manifest dementia. The subjects undergo biannual clinical
assessment which among other things includes
neurological, psychiatric and cognitive examinations and
MRI.
Manual hippocampal volumetry using a custom method
was performed on MR images at baseline and the two-year
follow-up. Intracranial volumes (ICV) were estimated for all
subjects using a previously validated method where the
maximal intracranial areas are segmented in the coronal,
sagittal and transversal planes.
RESULTS - 1
Figure 1: An artificial neuron and a model of an ANN
Artificial Neural Networks In Medicine And Biology
Gothenburg, Sweden
MATERIALS AND METHODS
The subjects with MCI (N=42) were independently
classified as stable MCI (MCI-s, N=21) or converting MCI
(MCI-c, N=21), using the Global Deterioration Scale.
Healthy controls (N=26) were also included. There was a
significant difference in sex distribution between MCI-c and
MCI-s due to a bias in the sample.
METHODS
an international conference on
Mild cognitive impairment (MCI) is a state where the cognitive functions are more impaired than what would be
expected from aging alone but not enough to be described as dementia. In our material, there was an
overrepresentation of men in the stable MCI group and an overrepresention of women in the two other groups.
Normalization of the data removed the gender-related differences in hippocampal volume and allowed for better
utilization of the data. Hippocampal volumetry predicts conversion to dementia in MCI patients.
Figure 3: Performance as a function of the number of included variables for:
A) Diverticulitis vs. all other diseases
B) Non-specific abdominal pain vs. all other diseases
C) Diverticulitis vs. non-specific abdominal pain
CONCLUSION
Automatic computer-based disease classification is a promising tool for the diagnosis of acute abdominal pain,
but requires substantial research before a clinical implementation is feasible.
The results in table 1 are absolute hippocampal volumes
at baseline. They show that the patients in the converting
MCI group have significantly smaller hippocampal volume
than the stable MCI group, but only when looking at men
and women together. Table 1 also shows that men are
overrepresented in MCI-s and underrepresented in MCI-c.
Women tend to have smaller ICV than men, and therefore
smaller hippocampi as well. So, how much of the observed
difference between MCI-c and MCI-s is due to a
physiological sex difference? And does low ICV, in itself,
contribute to the development of dementia?
Cohort,
Abs
Men,
Abs
Women,
Abs
p(m, w)
1: MCI-c
2: MCI-s
(N=21)
3967.6 ± 1264.8
(N=6)
4377.1 ± 478.8
(N=15)
3803.8 ± 1342.1
0.0582
(N=21)
4640.9 ± 1250.3
(N=12)
4831.2 ± 1180.3
(N=9)
4387.2 ± 1218.9
0.1088
p(1, 2)
0.0013
0.0923
0.0892
Table 1 Absolute hippocampal volumes at baseline
REFERENCES
[1] K. Nalin, ”Den ideala kliniska beslutsprocessen. En studie av arbetsprocessen på en kirurgisk akutmottagning
(The ideal clinical decison process. A study of the work process in an acute surgical ward)”. Masters thesis in Cognitive Science, University of Gothenburg, 2006.
[2]L.-E. Hansson, ”Akut buk”. Studentlitteratur, Lund, 2002.
Figure 1 Hippocampal 3D-visualization
Figure 2 Intracranial area
estimation by two raters; coronal
slice
RESULTS - 2
The ICV results (not tabulated here) showed that the only
significant source of variation in ICV was the difference between
the sexes. Normalization of hippocampal volumes with respect to
ICV eliminated the difference between men and women. This
makes it easier to interpret the pooled (men + women) data. The
difference in hippocampal volume between the MCI-c and MCI-s
groups is still significant (Table 2). This result is not contaminated
by the normal gender difference in ICV.
Cohort,
Norm
Men,
Norm
Women,
Norm
1: MCI-c
(N=21)
4037.6 ± 1096.8
(N=6)
4197.6 ± 431.2
(N=15)
3973.6 ± 1261.3
2: MCI-s
(N=21)
4503.4 ± 1091.0
(N=12)
4497.7 ± 1153.5
(N=9)
4510.9 ± 1070.5
p(m, w)
0.4118
0.9580
p(1, 2)
0.0087
0.2412
0.0444
Table 2 Normalized hippocampal volumes at baseline
CONCLUSIONS
Normalization allowed for meaningful comparisons between the
full (both genders) clinical groups in spite of an overrepresentation of women in the converting MCI group. The
findings confirm our hypothesis that hippocampal atrophy
precedes cognitive decline in dementia but fails to support the
idea that low ICV, as such, contributes to the development of
dementia. Manual volumetry of the hippocampus can be a
valuable instrument for predicting the course of MCI, but should
be used together with a precise method for estimating ICV.
ACKNOWLEDGEMENTS
This work was supported by grants from the Swedish Research Council (grants # 2002-5462, K2002-21P-14359-01A and 09946), Handlanden Hjalmar Svenssons Forskningsfond, Pfannenstills Forskningsstiftelse,
Alzheimerfonden, Axel Linders Stiftelse, Stiftelsen Gamla Tjänarinnor, The Sahlgrenska University Funds and Stiftelsen Psykiatriska Forskningsfonden. We would like to extend our gratitude to Stig Eriksson,
Christina Holmberg, Karin Lind, Daniel Ruhe, Ewa Styrud and Andreas Wrangsjö.
[3]H. Laurell, “Acute Abdominal Pain”. Thesis, Uppsala University 2006.
[4]R. Dybowski, V. Gant, “Clinical applications of artificial neural networks”. Cambridge University Press, London, 2001.
[5]M.C. Åberg, J. Wessberg, “Evolutionary optimization of classiers and features for single trial EEG discrimination.” BioMedical Engineering Online 2007, 6(32).
REFERENCES
Olsson E, Eckerström C, Borga M, Edman Å, Ekholm S, Ribbelin S, Starck G, Edman Å, Wallin A, Malmgren H. Hippocampal Volumetry in the Göteborg MCI Study, 1: Study design methodology and basic results. Submitted.
Eckerström C, Olsson E, Borga M, Edman Å, Ekholm S, Ribbelin S, Starck G, Edman Å, Wallin A, Malmgren H. Hippocampal Volumetry in the Göteborg MCI Study, 2: Asymmetries, subgroups and longitudinal data. Submitted.
Hjärnan innehåller sådär 100 000 000 000 nervceller (neuron), som var och en har
cirka 1000 förbindelser med andra nervceller. Detta ger upphov till nätverk som är
så komplicerade, att vi ännu bara anar hur de fungerar.
Teorin för sådana neurala nätverk började utformas på 1950-talet och är nu ett
livaktigt forskningsområde där matematiker, neurovetare, kognitionsforskare och
filosofer samarbetar över disciplingränserna.
Nätverksteorin används inte bara för att formulera exakta hypoteser om hur
hjärnans nätverk fungerar, utan också för att skapa system med artificiell intelligens.
En användning av den senare typen är i medicinska beslutsstödssystem.
Neural nätverksteori
ANN som beslutsstöd
Hur fungerar minnet?
Neurologer och neurofysiologer från Descartes (!) och framåt har
alltid haft som målsättning att beskriva hur nervsystemets nätverk
är uppbyggda och hur de fungerar. Först runt 1950 kom emellertid
de första matematiska teorierna för sådana nätverk. Redan då fanns
tanken att använda teorierna för att bygga intelligenta system, alltså
som en form av artificiell intelligens (AI). Man talar i AI-sammanhang om artificiella neurala nätverk, ANN.
Under ett antal år var intresset för neural nätverksteori ganska
litet, men i mitten av 1980-talet kom ett stort uppsving. Några forskare presenterade då nya matematiska resultat, som är väsentliga
både för förståelsen av hjärnans neurala nätverk och för konstruktionen av riktigt intelligenta artificiella neurala nätverk.
År 2000 anordnades en internationell konferens om neurala
nätverk vid Göteborgs Universitet. På mötet presenterades aktuell
forskning både om hjärnans nätverk och om användningen av
neural nätverksteori inom artificiell intelligens.
Från mitten av 90-talet har en grundkurs i kognitionsfilosofi,
Modeller för Mänskligt Tänkande, erbjudits inom ämnet teoretisk filosofi, och där ingår en delkurs om neurala nätverk. (Från
och med hösten 2010 kallas grundkursen Kognitionsfilosofisk
inriktning.)
Rätt nyligen publicerade en av lärarna på kursen (Helge Malmgren) den första större läroboken på svenska om neurala nätverk. Se
bokbordet!
Neurala nätverk, både de verkliga nätverken i hjärnan och de artificiella nätverken som forskarna bygger i sina datorer (ANN), har
den intressanta egenskapen att de kan lära sig av erfarenheten.
Man kan med andra ord träna ett ANN att lösa en allmän uppgift
genom att presentera ett antal korrekt lösta exempelproblem för
nätverket. Det finns andra system än ANN som har denna egenskap; man talar mer generellt om lärande system.
En intressant typ av tillämpning finns inom medicinen, där det
framkommit flera förslag till beslutsstödssystem byggda på ANN
eller andra lärande system. Låt oss som exempel ta bedömning av
röntgenbilder. Om vi matar in data från ett stort antal sådana bilder
tillsammans med vilken diagnos patienten har, kan nätverket lära
sig att ställa rätt diagnos på andra patienter utan hjälp av någon
mänsklig bedömare.
Helge Malmgren samarbetar med nationell och internationell
expertis inom området beslutsstöd; likaså med en ledande svensk
forskare inom området akutkirurgi (Lars-Erik Hansson). Hansson har tidigare samlat in data från över 3 000 patienter med akut
buksmärta. Dessa data har senast presenterats för ett lärande system
av typ SVM, en vidareutveckling av artificiella nätverk.
Systemet visar sig i vissa avseenden vara bättre än akutläkarna
på att ställa rätt diagnos! Detta beskrivs i postern ovan och i en
färsk artikel på bokbordet. En doktorand i kognitionsvetenskap
arbetar inom projektet och är medförfattare.
Vi tar vanligen hjärnans förmåga att lagra och hämta fram minnen
som något självklart. Men trots över 100 år av intensiv forskning vet
vi fortfarande inte med säkerhet hur minne och inlärning egentligen fungerar.
Helge Malmgren har på flera internationella konferenser presenterat nya teorier om minne, inte minst så kallat cellulärt minne.
Med denna term avses att minnet inte är beroende av förbindelserna
mellan nervceller (synapser).
Tillsammans med forskare i medicinsk informatik vid Linköpings Universitet och några yngre medarbetare vid GU (varav två
doktorander) har Malmgren också utvecklat en delvis ny metodik
för att analysera magnetkamerabilder av hjärnan. Vi använder den
framförallt för att avgränsa och mäta en hjärnstruktur som är av
stor betydelse för minnet, nämligen hippocampus.
I en studie från 2008 visar vi att sådana mätningar av hippocampus är av betydelse för att kunna förutse om en lätt kognitiv
störning hos en äldre person kommer att utvecklas till demens eller
ej. Studien visas på postern ovan och beskrivs i en artikel på bokbordet. Forskningen kring denna patientgrupp fortsätter.
En annan grupp som vi undersökt är patienter som flera år tidigare fått strålbehandling mot halsregionen och hade sänkt livskvalitet. Vi kunde inte iaktta några som helst tecken på skada på deras
hippocampus. Flera andra studier i samarbete med olika medicinska institutioner i Sverige befinner sig på planeringsstadiet.
Kontakt: Helge Malmgren. [email protected]