量化
Parent: ai_keywords
量化
核心定义
量化（Quantification）是将客观或主观属性转化为可比较、可计算的数值或符号序列的过程。在人工智能领域，量化指将连续值（如权重、激活值）映射到有限离散集合以压缩模型；在临床神经科学中，量化则是将神经系统生理、病理信号（如脑电、影像）转化为可统计分析的数值特征，从而消除主观偏差，实现精准诊断与疗效评估。
关键技术点
-
特征提取与数字化
从原始信号（如脑电图、磁共振成像）中提取反映神经功能的低维特征，如频带功率、皮层厚度、白质纤维束各向异性分数。 -
标准化与归一化
消除个体间基线差异（如头围、年龄），常用Z-score、Min-Max归一化，使多中心数据可合并分析。 -
时间序列量化
针对神经电生理或功能磁共振的时变数据，采用熵值、复杂度、相位锁定量化大脑动态活动模式。 -
深度学习量化
通过模型压缩技术（如权重量化为8位整数）降低推理成本，同时保持诊断精度；前端可采用可量化注意力机制提升可解释性。
医学/神经科学应用场景
首都医科大学神经病学研究背景
在阿尔茨海默病早期诊断中，研究团队利用静息态功能MRI的量化分析：将全脑基于功能连接网络分割为100个区域，计算每对区域间的Pearson相关系数，构建个体化功能连接矩阵。然后，通过图论量化指标（全局效率、局部效率、模块化系数）和熵量化指数，识别出前额叶-颞叶默认模式网络的早期连接退化模式。
临床中，该量化方案使MCI（轻度认知障碍）患者转化为AD（阿尔茨海默病）的预测灵敏度提升至87%，特异性达91%，推动神经退行性疾病的客观分期标准从定性走向定量。
