通过使用人工智能进行非侵入性自主反射障碍检测,推进脊髓损伤护理

科学领域:

• 生物医学工程 生物医学工程
• 人工智能在医学中的应用
• 神经科学是一个神经科学.

背景情况:

• 自主反射障碍 (AD) 是个体脊髓损伤的严重情况.
• 目前的AD检测方法具有侵入性,缺乏实时监控能力.
• 对于非侵入性,准确的AD检测系统有着至关重要的需求.

研究的目的:

• 开发和验证一个人工智能驱动的系统,用于非侵入性检测和监测自主反射障碍 (AD).
• 利用皮肤神经活动 (SKNA) 信号和深度神经网络 (DNN) 架构来改进AD检测.
• 在脊髓损伤人群中改善患者的治疗结果和阿尔茨海默病的管理.

主要方法:

• 使用深度神经网络 (DNN) 架构,对皮肤神经活动 (SKNA) 信号进行训练.
• 通过对T6脊髓手术诱导AD事件的老鼠的受控结肠直肠膨胀获得的数据集.
• 在未见的数据上验证了系统性能,以确保稳定性和通用性.

主要成果:

• 在AD检测中获得了93.9%±2.5%的平均分类准确度.
• 证明了高精度 (95.2%±2.1%) 和平均F1得分为94.4%±1.8%的高精度.
• 报告了4.8%±1.6%的低平均虚假阴性率,最大限度地减少了错误分类.

结论:

• 这种由人工智能驱动的系统在非侵入性,实时AD监控方面取得了重大进展.
• 拟议的解决方案显示了改善患者结果和AD管理的潜力.
• 这项研究提供了一个有前途的方法来应对AD检测和监测的医疗保健挑战.