脑卒中后体感障碍的概况:使用非监督机器学习的基于集群分析对上肢的定量测量来描述障碍的常见"指纹"
Isuru Senadheera1,2, Beverley C Larssen2,3, Yvonne Y K Mak-Yuen2,4,5
1Centre for Data Analytics and Cognition, La Trobe Business School, La Trobe University, Melbourne, VIC 3086, Australia.
Brain sciences
|September 28, 2023
概括
卒中幸存者表现出各种体感障碍. 无监督机器学习发现了不同的"指纹"触摸,自觉和物体识别缺陷在上肢.
科学领域:
- 神经科学是一个神经科学.
- 康复医学 康复医学 康复医学
- 数据科学数据科学数据科学
背景情况:
- 改变体感是中风的常见但不太了解的后果.
- 目前的方法缺乏细节性,无法捕捉感官损伤的多样化模式.
研究的目的:
- 为了描述体感官的特征.
- 这些都是指纹,指纹.
- 在使用无监督机器学习的中风幸存者的上肢中.
- 为了识别体感障碍的不同亚组.
主要方法:
- 在六项研究中,从207名中风幸存者收集了大量的体感数据 (触觉歧视测试,手腕位置感测试,功能触觉物体识别测试).
- 应用了Growing Self Organizing Map (GSOM) 无监督机器学习算法来识别集群并生成损伤配置文件.
- 两种 (TDT,WPST) 和三种 (TDT,WPST,fTORT) 感觉模式的特征配置文件,无论是在缩和缩的上肢.
主要成果:
- 根据多式感官测试,确定了体感受障碍的不同亚组.
- 无监督的集群分析成功生成了保存拓的地图,揭示了感官模式之间的隐藏关系.
- 建模了背景和临床变量对已识别的损伤模式的影响.
结论:
- 无监督集群分析是分析中风幸存者的体感障碍特征的宝贵工具.
- 这些已识别的个人资料可能有助于更精确地诊断和描述中风后的感觉损失模式.
- 这种方法为了解中风康复中体感官缺陷的异质性提供了一种新的方法.
关键词:
触觉对象识别 触觉对象识别个人资料 个人资料自己的感觉 (proprioception) 是一种感觉.身体感官障碍 身体感官障碍一次性中风中风中风中风中风触摸 触摸 触摸 触摸 触摸 触摸无监督的机器学习上肢的上端部分.更多相关视频
08:01Compensatory Limb Use and Behavioral Assessment of Motor Skill Learning Following Sensorimotor Cortex Injury in a Mouse Model of Ischemic Stroke
Published on: July 10, 2014
11.5K
10:25Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping
Published on: September 25, 2019
48.1K
