智能手机瞳孔测量与机器学习区分缺血和出血性中风:一个试点研究

科学领域:

• 神经学 神经学
• 医疗器械 医疗器械
• 生物医学工程 生物医学工程

背景情况:

• 诊断中风类型 (缺血与出血) 由于症状重叠而具有挑战性.
• 准确和及时的区分对于适当的治疗和患者的结果至关重要.

研究的目的:

• 评估基于智能手机的定量瞳孔计在区分急性缺血性中风 (AIS) 和出血性中风 (HS) 的有效性.

主要方法:

• 在干预之前招募的中风患者.
• 使用智能手机瞳孔计量量量化的瞳孔光反射 (PLR) 组件.
• 使用SMOTE用于阶级不平衡,并训练有素的随机森林模型,具有10倍的交叉验证.

主要成果:

• 随机森林模型实现了91.5%的准确性,90%的灵敏度,93.3%的特异性和0.917 AUC.
• 关键的PLR参数包括延迟,收缩速度和膨胀速度.
• 在健康对照,AIS和HS之间观察到PLR参数的显著差异.

结论:

• 基于智能手机的定量瞳孔测量显示出希望作为一种工具来区分AIS和HS.
• 这项技术可以在临床环境中促进更快,更准确的中风诊断.