人工智能驱动的血液动力监测模拟 Bruxism 使用功能近红外光谱学: 一项初步研究

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

背景情况:

• Bruxism,以非自愿的牙磨牙和关节紧张为特征,可以导致严重的牙和关节问题.
• 目前的诊断方法,如多睡眠学 (PSG) 缺乏在节律性肌活动 (RMMA) 期间神经活动的详细空间映射.

研究的目的:

• 引入功能近红外光谱 (fNIRS) 作为一种神经成像技术,用于监测与布鲁克斯症RMMA相关的皮质活动.
• 用fNIRS数据和机器学习来区分布鲁克斯症诱导的RMMA与其他部运动.

主要方法:

• fNIRS从10名受试者收集了数据,他们使用了运动皮层上的20通道光极设置.
• 对12个时间和频率域特征应用了特征选择,重要性和减少技术.
• 评估了数据增强技术 (SMOTE,SMOTEN,ADASYN) 和机器学习分类器 (kNN,LR,NB,DT,RF).

主要成果:

• 该k-最近邻居 (kNN) 分类器在检测模拟的布鲁克斯主义方面表现出卓越的性能.
• 通过kNN模型实现了92%的准确性,在区分布鲁克斯症与其他下关节运动方面.

结论:

• 功能近红外光谱学 (fNIRS) 显示出作为一种非侵入性工具的承诺,用于识别和区分与 Bruxism 相关的运动活动.
• 这些发现支持了通过先进的神经成像技术及时检测和管理布鲁克西斯症的潜力.