滴滴测试条件对大脑应变位置和严重性的影响:使用深度学习模型的新方法
George Stilwell1, Danyon Stitt1, Keith Alexander1
1Department of Mechanical Engineering, University of Canterbury, Christchurch, 8041, New Zealand.
Annals of biomedical engineering
|May 13, 2024
概括
橄球运动员面临头部冲击造成的创伤性脑损伤风险. 这项研究使用卷积神经网络 (CNN) 来预测头部冲击造成的大脑应变,帮助保护装备的发展.
科学领域:
- 生物力学 生物力学
- 神经科学是一个神经科学.
- 机器学习 机器学习
背景情况:
- 像橄球这样的接触体育运动由于严重的头部冲击而带来创伤性脑损伤 (TBI) 的高风险.
- 以前的研究证实了高冲击头部加速和导致脑震荡的大脑应变之间的强烈相关性.
研究的目的:
- 研究各种实验室控制的滴滴试验参数对大脑区域最大主要应变 (MPS) 预测的影响.
- 利用训练有素的卷积神经网络 (CNN) 来预测不同冲击条件下的大脑菌株.
主要方法:
- 这是一种新的方法,采用训练有素的卷积神经网络 (CNN) 来预测区域峰值和平均最大主要应变 (MPS).
- 分析实验室控制的掉落测试参数及其对大脑应变预测的影响.
- 从额头与头部侧面冲击产生的MPS值的比较,以及包括部结构的影响.
主要成果:
- 冲击位置显著影响MPS;侧面冲击产生更高的区域MPS比额头冲击.
- 在0°和45°表面角下的额头冲击产生了最低的区域平均MPS.
- 在落下测试中缺少部导致区域MPS峰值和平均值降低.
- 滴滴测试参数和预测的区域大脑菌株之间存在复杂的关系.
结论:
- 深度学习模型,特别是CNN,提供了一种强大的工具,用于详细分析下降测试条件如何影响区域大脑应变 (MPS).
- 这些发现为开发先进的保护头盔提供了关键的见解,以减轻体育运动中头部加速造成的大脑应变.
