一种机器学习方法来预测皮肤生长在体内
Matt Nagle1,2, Hannah Conroy Broderick2, Adrian Buganza Tepole3
1SFI Centre for Research Training in Foundations of Data Science, University College Dublin, Belfield, Dublin 4, Ireland.
Research square
|May 3, 2024
概括
一个新的机器学习模型使用虚拟主体预测皮肤生长的非侵入性方法. 这种方法准确地预测了皮肤扩张的结果,改善了重建性手术中的患者护理.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 皮肤病学 皮肤病学
背景情况:
- 组织扩张器对于重建性手术至关重要,使皮肤能够生长.
- 目前用于评估皮肤扩张的方法需要侵入性皮肤切除.
- 皮肤生长的非侵入性预测对患者的治疗结果非常有价值.
研究的目的:
- 开发和验证用于预测体内皮肤生长和特性的机器学习模型.
- 评估使用非侵入性数据预测未来皮肤生长和生物力学参数的准确性.
主要方法:
- 在1000个虚拟主体上使用有限元法模拟了皮肤扩张协议.
- 在早期膨胀阶段进行模拟波传播实验.
- 在模拟数据上训练了一个人工神经网络,以预测皮肤特性.
主要成果:
- 人工神经网络准确地预测了7天的皮肤生长 (平均每日24小时). R2 = 0.9353) 的情况.
- 在预测特定对象的剪切模量 (R2 = 0.9801),增长率 (R2 = 0.8649) 和自然预拉伸 (R2 = 0.9783) 方面取得了高精度.
结论:
- 一种非侵入性机器学习方法可以准确预测患者特定的皮肤扩张结果.
- 这种方法对实时预测和个性化重建性手术协议的开发有重大影响.
