一种机器学习方法来预测体内皮肤生长的情况
Matt Nagle1,2, Hannah Conroy Broderick3, Adrian Buganza Tepole4
1SFI Centre for Research Training in Foundations of Data Science, University College Dublin, Belfield, Dublin 4, Ireland. matt.nagle@ucdconnect.ie.
Scientific reports
|July 29, 2024
概括
这项研究引入了一种机器学习模型,以非侵入性预测皮肤生长. 人工神经网络准确地预测未来的皮肤扩张和特性,改善重建性手术的结果.
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
- 医疗成像医学成像
背景情况:
- 组织扩展器在重建性手术中至关重要,可实现额外的皮肤生长.
- 目前用于评估皮肤生长的方法需要侵入性皮肤切除.
- 需要对皮肤扩张进行非侵入性预测,以改善患者的治疗结果和手术规划.
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.
- 使用非侵入性测量来准确评估皮肤扩张.
- 为了能够实时预测皮肤扩张手术中患者特异性结果.
主要方法:
- 模拟了一个典型的皮肤扩张协议,使用有限元法对1000个虚拟主体进行模拟.
- 在扩张的最初几天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:
- 人工神经网络在7天后准确地预测了未来的皮肤生长.
- 该模型在预测特定对象的剪切模量,增长率和自然预拉伸方面取得了高准确性.
- 证明了机器学习提供量化,非侵入性评估的能力.
结论:
- 这种机器学习方法提供了一种非侵入性的方法来预测皮肤扩张的结果.
- 这种技术对实时,针对患者的治疗规划有重大影响.
- 促进了使用组织扩展器进行重建性手术的个性化协议的开发.
