相关实验视频
Updated: May 10, 2026
04:19
A Mouse Model of Single and Repetitive Mild Traumatic Brain Injury
Published on: June 20, 2017
11.1K
深度学习建模结构性脑MRI在轻度TBI后慢性头疼痛中
Sivan Attias1,2, Roni Ramon-Gonen1,3, Yaara Erez2,3,4
1The Graduate School of Business Administration, Bar-Ilan University, Ramat-Gan, Israel.
Pain
|March 14, 2025
概括
早期的MRI扫描可以预测轻度创伤性脑损伤 (mTBI) 后的慢性疼痛. 一个深度学习模型识别了高风险个体,有助于早期干预,以改善mTBI患者的结果.
科学领域:
- 神经学 神经学
- 神经成像是一种神经成像.
- 人工智能的人工智能
背景情况:
- 慢性头痛是轻度创伤性脑损伤 (mTBI) 后的常见并发症,影响全球数百万人.
- 识别患有mTBI后慢性疼痛的高风险个体对于及时干预至关重要.
研究的目的:
- 评估一种新的早期预测分类模型,使用结构性大脑MRI扫描来识别高风险的个体,以治疗mTBI后的慢性疼痛.
- 探索深度学习应用于早期神经成像的实用性,用于预测mTBI后的慢性疼痛.
主要方法:
- 招募了227名mTBI患者,其中128人在受伤后72小时内接受T1加权脑磁共振.
- 使用预训练的3D ResNet-18深度学习模型,并将MRI扫描作为输入.
- 追踪患者1年,以确定慢性疼痛的发展 (43%) 和恢复 (57%).
主要成果:
- 深度学习模型在预测慢性疼痛方面达到0.78的最高AUC和0.69的准确性.
- Saliency 地图确定了关键的大脑区域,包括右侧胰岛,腹中前额叶皮质和周水管灰质.
- 早期的MRI扫描显示了预测mTBI后慢性头疼痛的潜力.
结论:
- 早期的T1加权MRI扫描,通过深度学习进行分析,可以为预测mTBI后的慢性疼痛提供有价值的信息.
- 识别与慢性疼痛相关的关键大脑区域是迈向针对性康复和改善mTBI患者临床结果的一步.
