相关实验视频
Updated: May 20, 2026

14:13
Coordinate Mapping of Hyolaryngeal Mechanics in Swallowing
Published on: May 6, 2014
18.2K
基于深度学习的舌骨追踪模型的诊断价值,用于在中风后失足症患者中吸收
Yeong Hwan Ryu1, Ji Hyun Kim1, Dohhyung Kim2
1Department of Rehabilitation Medicine, College of Medicine, Dankook University, Cheonan, Republic of Korea.
Digital health
|August 12, 2024
概括
一种深度学习模型准确地测量了中风后食症患者的舌骨运动,有助于预测吸入风险和口服养成功.
科学领域:
- 生物医学工程 生物医学工程
- 临床神经学 临床神经学
- 医学成像分析 医学成像分析
背景情况:
- 脑卒中后食障碍 (PSD) 在评估吸收风险方面存在挑战.
- 语骨运动的定量测量很困难,但对于PSD评估来说可能至关重要.
研究的目的:
- 开发和验证一个深度学习模型,以有效和准确地测量PSD患者的舌骨运动.
- 确定该模型在预测吸入风险和口服养结果方面的临床实用性.
主要方法:
- 一个深度学习模型 (BiFPN-U-Net) 用于跟踪85名PSD患者的舌骨运动.
- 量化了最大的水平 (Hmax),垂直 (Vmax) 和对角 (Dmax) 舌骨运动距离.
- 根据视频光镜吞研究,患者被分为吸入和非吸入组.
主要成果:
- 与非吸气组相比,吸气组在所有测量方向上显示出明显减少的舌骨运动.
- 吸入风险的Vmax显示出最高的预测值 (AUC=0.715),截止值为1.61厘米.
- 较大的舌骨运动 (≥1.61厘米) 与在分泌时口服养的更高成功率相关.
结论:
- 深度学习可以在PSD中量化和有效地测量舌骨运动.
- 这种人工智能驱动的方法对预测吸血风险和评估PSD患者恢复口服养的可能性充满希望.

