基于随机森林算法和表面电肌图学的下腰椎间盘的神经根压缩定位的诊断模型
Hujun Wang1, Yingpeng Wang1, Yingqi Li1
1Department of Rehabilitation, Beijing Rehabilitation Hospital, Capital Medical University, Beijing, China.
Frontiers in human neuroscience
|July 20, 2023
概括
表面电肌图 (SEMG) 和随机森林 (RF) 模型准确地确定了腰椎椎间盘 (LDH) 患者的压缩神经根. 这项研究发现,在走路时,肌肉激活的特定模式有助于诊断神经根压缩.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 整形外科 整形外科 整形外科
背景情况:
- 腰椎间盘 (LDH) 是一种常见的疾病,导致神经根压缩.
- 精确地定位压缩的神经根对于有效治疗至关重要.
- 当前的诊断方法可能在精确识别受影响的神经根方面存在局限性.
研究的目的:
- 通过使用表面电肌图 (SEMG) 来调查LDH患者在走路时的肌肉激活模式.
- 开发和验证一种使用随机森林 (RF) 算法的诊断模型,用于精确地定位LDH中的神经根.
- 评估建立的基于SEMG的射频模型的诊断性能.
主要方法:
- 招募了58名LDH患者和30名健康对照.
- 在行走过程中从前 (TA) 和侧 (LG) 收集了双边SEMG数据.
- 分析了SEMG参数,包括RMS峰值,RMS峰值时间,MPF和MF.
- 开发了一个使用八个SEMG参数的射频模型,并通过重复的实验验证.
- 使用准确度,精度,回忆,F1得分,卡帕和ROC曲线分析评估模型性能.
主要成果:
- 观察到明显的SEMG模式:L5组的TA激活延迟和LG激活减少;S1组的LG激活减少和早期.
- 射频模型的平均精度为84%,ROC曲线下的面积为0.93.93.
- TA肌肉的RMS峰值时间被确定为诊断最重要的SEMG参数.
结论:
- 开发的RF模型有效地协助在LDH患者中局部诊断压缩的神经根.
- 对于LDH来说,SEMG参数为改进和优化未来的诊断模型提供了宝贵的数据.
- 这种方法有望提高诊断准确性和管理LDH的效率.
更多相关视频
10:09Transtubular Endoscopic Posterolateral Decompression for L5-S1 Lumbar Lateral Disc Herniation
Published on: October 14, 2022
3.9K
03:24Author Spotlight: Development and Application of a Novel Suture Technique for Annular Fibrosus Repair in Percutaneous Transforaminal Endoscopic Discectomy
Published on: January 26, 2024
858
