使用近场合和机器学习评估脑下大脑下下垂体出血后的大脑血流

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 医学物理 医学物理

背景情况:

• 对大脑血流 (CBF) 的持续床边监测对于优化下大脑关节出血 (SAH) 管理至关重要.
• 目前的监测方法可能对SAH患者的实时床边应用有局限性.
• 个性化管理策略可以显著改善SAH患者的预后.

研究的目的:

• 开发和验证使用近场合 (NFC) 技术的新型CBF监控系统.
• 评估系统检测与CBF相关的内介电特性变化的能力.
• 评估该系统在区分影响CBF的各种病理生理状态方面的有效性.

主要方法:

• 建立了基于NFC的CBF监测系统,以测量内介电性质变化.
• 使用模拟的血管振动模型进行物理实验.
• 在干预前后对健康志愿者和SAH患者进行了脑氧 (CO) 和CBF的同步监测.

主要成果:

• NFC系统成功地将模拟的血管振动频率与测量的脉冲相匹配.
• 降低CBF和CO水平与测量脉冲的显著减弱相关.
• 受SAH影响的一侧扭曲的波形显示了手术后的改善,通过机器学习分析验证.

结论:

• 无线通信技术为持续的CBF监控提供了一个有前途的新方法.
• 开发的系统在诊断各种病理生理状态的不同CBF水平方面表现出精确性.
• 预计这项技术将加强治疗效果评估和SAH的个性化管理.