创新的统计方法:神经网络的使用减少了脊髓切除-MCAO小鼠模型中的样本大小

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 统计分析 统计分析

背景情况:

• 脊髓切除术中 Carotid 动脉封闭 (MCAO) 鼠标模型用于研究中风.
• 传统的统计方法可能并不总能在复杂的生物数据中揭示微妙的影响.

研究的目的:

• 为了比较人工神经网络 (ANN) 分析与传统统计分析的有效性.
• 在MCAO小鼠模型中评估脊髓切除术的神经保护作用.

主要方法:

• 在MCAO之前,小鼠接受了脊髓切除术 (SPLX) 或假手术.
• 收集的数据包括MRI,生物发光成像,神经学评分和组织学.
• 频率统计和ANN (多层感知子) 均用于分析.

主要成果:

• 传统的ANOVA在体重,NS或心脏病发作大小方面没有发现SPLX和假组之间的显著差异.
• 在预测SPLX (77.36%) 和SPL-sham (92.84%) 类方面,ANN取得了很高的准确性.
• 根据所使用的输入变量,ANN模型的性能有所不同.

结论:

• 在MCAO模型中,ANN分析成功地发现了脊髓切除术和假操作小鼠之间的差异.
• 切除术在这个模型中显示出神经保护作用.
• 像ANN这样的先进统计方法可能会在生物医学研究中最大限度地减少动物样本大小.