双DyConvNet:通过参数高效微调进行双流动态卷积网络,用于预测亚急性中风中运动预后

科学领域:

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

背景情况:

• 脑卒中严重影响全球健康,影响运动功能的恢复.
• 预测早期的运动恢复潜力对于个性化中风康复至关重要.
• 目前用于预测运动预后的方法的性能有限.

研究的目的:

• 提出一个新的DualDyConvNet框架,用于预测亚急性中风患者的运动恢复.
• 利用静止电脑电图 (EEG) 数据进行运动预后预测.
• 提高运动恢复预测模型的准确性和通用性.

主要方法:

• 开发了一个带有通道和空间流的双流动性卷积网络 (DualDyConvNet).
• 从事休息状态EEG数据从亚急性中风患者 (SMC和KIST数据集).
• 使用上肢的Fugl-Meyer评估量化运动恢复.

主要成果:

• 在内部验证中实现了低根平均平方误差 (RMSE):0.070 ± 0.045 (SMC) 和0.223 ± 0.148 (KIST).
• 与现有模型相比,表现出优越的性能.
• 通过与欧几里德空间对齐 (EA) 和不对齐的交叉数据集验证,展示了强大的概括性.

结论:

• 双DyConvNet框架有效预测中风患者的运动功能预后.
• 这种预测能力可以促进早期,个性化的康复规划.
• 改善预后有可能提高中风幸存者的生活质量.