预测在感觉神经耳中对针的个体反应,使用综合功能近红外光谱和机器学习:模型开发和验证研究协议
Xiaohan Huang1, Da Jiang1, Debiao Kong1
1The Third Clinical College, Zhejiang Chinese Medical University, Hangzhou, People's Republic of China.
Journal of multidisciplinary healthcare
|October 15, 2025
概括
这项研究使用功能近红外光谱学 (fNIRS) 和机器学习来预测感应神经 (SNT) 患者的针成功. 目标是通过识别可能从针中受益的患者来个性化SNT治疗.
科学领域:
- 神经科学是一个神经科学.
- 医疗技术 医疗技术 医学技术
- 计算生物学 计算生物学
背景情况:
- 慢性耳会影响到20%的成年人,治疗效果有限.
- 感觉神经耳 (SNT) 患者对针的反应有所变化.
- 预测针对SNT的有效性是一个临床挑战.
研究的目的:
- 使用fNIRS数据开发和验证机器学习模型.
- 预测SNT患者的针治疗结果.
- 增强个性化的耳治疗策略.
主要方法:
- 将招收500名SNT受试者.
- 在治疗前,fNIRS将扫描叶和额叶.
- 机器学习 (SVM) 将分析数据以预测治疗反应.
主要成果:
- 预测一个精确的基于fNIRS的模型来预测针反应.
- 预计将在叶和额叶中确定预测性神经功能特征.
- 旨在为临床决策提供一个客观的工具.
结论:
- 第一个结合fNIRS和机器学习来预测SNT针疗效的研究.
- 方法论通过先进的分析来解决针研究中的挑战.
- 这些发现可能使个性化SNT治疗成为可能,并指导未来的神经成像研究.
