机器学习在轻度创伤性脑损伤使用扩散张力成像的诊断和预后中的应用:系统性审查
Christian John A Saludar1,2, Maryam Tayebi1,3, Eryn Kwon1,3
1Auckland Bioengineering Institute, University of Auckland, Auckland, New Zealand.
Journal of magnetic resonance imaging : JMRI
|September 30, 2025
概括
机器学习 (ML) 与扩散张力成像 (DTI) 显示出对诊断轻度创伤性脑损伤 (mTBI) 的承诺. 需要进一步验证临床使用.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 轻度创伤性脑损伤 (mTBI) 是一种常见但难以诊断的疾病.
- 扩散张力成像 (DTI) 提供了mTBI诊断的潜力,但研究结果不一致.
- 应用于DTI指标的机器学习 (ML) 显示了改善mTBI评估的希望.
研究的目的:
- 系统地审查使用ML技术与DTI指标进行mTBI评估的研究.
- 在mTBI中分析ML-DTI方法的诊断和预后能力.
主要方法:
- 在遵守PRISMA指南的基础上进行系统审查.
- 对人类mTBI的ML和DTI的36篇文章的分析.
- 使用修改后的QualSyst评估工具评估研究质量.
主要成果:
- 使用DTI指标的ML技术有效地将mTBI患者从对照组中分类出来.
- ML-DTI方法在预测mTBI恢复和症状严重程度方面显示出潜力.
- 机器学习模型对认知得分和大脑结构衰退具有很强的预测能力.
结论:
- 强大的mTBI诊断和预后模型需要更大的,外部验证的研究.
- 将DTI生物标志物与非成像数据结合起来可以增强模型开发.
- 由于样本大小小和缺乏验证,ML-DTI对mTBI的临床应用是遥远的.
更多相关视频
10:33Advanced Diffusion Imaging in The Hippocampus of Rats with Mild Traumatic Brain Injury
Published on: August 14, 2019
8.9K
08:27Development of an Uncomplicated Mild Traumatic Brain Injury Model Modified by Weight-Drop Method and Evidenced by Magnetic Resonance Imaging
Published on: April 11, 2025
911
