通过fNIRS测量由机器人训练诱导的大脑功能反应预测亚急性中风患者上肢运动恢复

科学领域:

• 神经科学是一个神经科学.
• 康复医学 康复医学 康复医学
• 生物医学工程 生物医学工程

背景情况:

• 机器人辅助训练 (UE-RAT) 在中风后的患者中诱导神经变化,表明了不同的恢复潜力.
• 使用与任务相关的神经活动预测康复结果仍然是一个挑战.
• 功能近红外光谱 (fNIRS) 测量任务期间的大脑活动,以评估恢复.

研究的目的:

• 调查与任务相关的功能性大脑反应是否可以预测上肢运动功能的恢复.
• 开发和验证用于预测中风康复结果的机器学习模型.

主要方法:

• 在82名亚急性中风患者中使用fNIRS测量皮质激活和功能连接 (FC) 在休息和UE-RAT期间.
• 使用机器学习算法 (ANN,SVM) 与临床和fNIRS数据,使用LASSO.Screening进行选.
• 使用SHAP用于模型解释和确定关键预测因素.

主要成果:

• 与任务相关的FC与静止状态相比,在建模中表现出更高的稳定性.
• 使用ANN和SVM的组合模型 (临床+fNIRS) 实现了高预测性能 (AUC~0.86,r~0.86).
• 在UE-RAT任务中测量的FC成为预测运动功能恢复的最关键因素.

结论:

• 由UE-RAT诱导的FC是中风康复结果的重要预测因素.
• 将FC与临床数据相结合,可以提高预测准确度,帮助个性化康复.
• 研究结果支持早期预测患者的康复潜力,以定制治疗决策.