机构名称：
¥ 1.0
NeuroInsight：根据疾病预防控制中心，AI驱动的脑损伤分类，2020年大约有214,110个创伤性脑损伤（TBI）相关住院。随着年度脑震荡的如此范围，有必要以客观的方式适当诊断脑震荡。我们研究的目的是构建一种AI算法来对扩散张量成像（DTI）数据进行建模，以将其与晚期脑震荡调查表（RPQ）的严重程度相关联，其次是确定与高晚RPQ症状相关的关键区域。数据集包含36个DTI数据点，代表脑部描述性指标以及相应的DTI图像。将晚期RPQ分数分为高和低分，得分为27，数据库中的平均得分。该模型接受了65％的数据训练，而其他35％用于测试。使用的机器学习模型是梯度提升回归，并且使用特征的重要性来确定最重要的DTI区域在确定患者是否具有较高还是低的RPQ分数。最佳模型的精度为84.62％。灵敏度和特异性分别为77.78％和100％。此外，生成的ROC曲线下的面积为0.85。此外，特征重要性函数的结果表明，识别TBI严重程度的最重要的DTI区域是右额叶垂直区域的平均扩散率（MD），其次是左侧和右侧fasticalus的分数各向异性（FA）。我们已经确定了某些与从PCS分数得出的TBI严重程度相关的DTI指标。这可能有助于作为研究TBI严重性分类的大量研究的客观基础。
2025年度研究日海报摘要Tyler Lu M.S. ...
主要关键词
相关文件推荐
