让你的大脑参与游戏:使用机器学习来预测运动相关脑震荡后的恢复时间表
Garrett A Thomas1,2, Peter A Arnett1
1Department of Psychology, The Pennsylvania State University, University Park, PA, USA.
概括
机器学习模型可以预测运动员脑震荡恢复时间表. 这些模型使用症状和认知数据,有望改善脑震荡管理和回归游戏决策.
科学领域:
- 运动医学 运动医学
- 神经学 神经学
- 数据科学数据科学数据科学
背景情况:
- 与运动有关的脑震荡在确定运动员恢复时间表方面带来了挑战.
- 准确预测回归游戏 (RTP) 对运动员的安全和管理至关重要.
研究的目的:
- 开发和评估机器学习模型,用于预测运动相关脑震荡后的RTP时间表.
- 确定影响脑震荡恢复时间的关键因素.
主要方法:
- 通过FITBIR和CARE联盟,利用了971名大学运动员的数据.
- 采用随机森林 (RF) 回归和分类建模.
- 递归特征消除 (RFE) 从症状和认知数据中确定了预测特征.
主要成果:
- 射频回归模型解释了RTP时间表中17-21%的差异.
- 在回收类型的测试套件上,RF分类实现了89.04%的准确性 (F1得分为0.56).
- 0.85的AUC表明了长时间恢复的良好预测性能.
结论:
- 机器学习模型显示了对脑震荡管理的潜力.
- 预测模型可以帮助估计脑震荡恢复和RTP时间表.


