人类头部形状对创伤性脑损伤风险的影响:基于高斯过程回归的机器学习方法

科学领域:

• 生物力学 生物力学
• 计算建模计算建模
• 创伤性脑损伤 (TBI) 研究研究

背景情况:

• 计算头部损伤模型对于理解TBI至关重要.
• 现有的模型经常使用平均头部几何形状,忽视了人口的变化.
• 人类测量数据显示,像美国陆军士兵这样的人群中头部形状的多样性很大.

研究的目的:

• 为了研究头部形状变化的影响TBI风险预测.
• 量化不同头部尺寸和形状对伤害指标的影响.
• 评估计算模型对头部人类学的敏感性.

主要方法:

• 利用了25名受试者的MRI扫描,将它们注册到标准的大脑图谱中,以提取头部形状参数.
• 使用生成机器学习模型来增强头形状数据集.
• 模拟了使用计算模型生成头部形状的快速伤害头部旋转事件.
• 计算的大脑损伤预测变量 (BIPVs),包括峰值CMPS,平均CMPS和VF-CMPS.
• 应用了高斯过程回归和索波尔灵敏度分析,将头部形状参数与BIPVs联系起来.

主要成果:

• 头部形状,特别是头部体积,与BIPV有积极的相关性.
• 头部高度 (Tzz) 是峰值和平均CMPS的最有影响力的缩放参数.
• 头部形状的剪切部件通常对BIPV的影响最小.
• CMPS (VF-CMPS) 的体积分数显示对所有缩放参数的灵敏度.

结论:

• 头部形状是计算TBI模型中的关键因素,影响伤害预测.
• 平均头部模型 (例如,第50个百分点的男性) 引入不确定性,因为未解决的可变性.
• 头部大小较大的个体在快速旋转部事件中可能面临更高的受伤风险.