机器学习增强了使用便携式流阻尼传感器进行非侵入性跨脑中风检测

科学领域:

• 生物医学工程 生物医学工程
• 医学诊断 医学诊断 医学诊断
• 神经科学是一个神经科学.

背景情况:

• 脑卒中是全球主要的健康问题,具有关键的诊断时间.
• 像CT和MRI这样的当前成像具有可用性和及时性限制.
• 诊断延迟会对患者的治疗结果产生负面影响.

研究的目的:

• 开发和验证一个便携式的,非侵入性的旋流阻尼 (ECD) 传感器,用于快速检测中风.
• 为了实现中风患者的实时,床边差异化.
• 在各种环境中改善及时获得中风护理的机会.

主要方法:

• 开发了一种具有先进线圈设计和算法的新型ECD传感器.
• 通过基板和幻影研究进行优化.
• 检测正常的大脑组织和血液之间的电导率变化.

主要成果:

• 该ECD传感器在区分出血性中风患者与健康个体方面表现出高准确度和特异性.
• 该设备成功检测到导电率差异,表明了中风.
• 验证证实了传感器在实时床边使用的潜力.

结论:

• 便携式ECD传感器提供了一种有前途的非侵入性方法,用于快速检测中风.
• 这项技术有可能克服当前成像模式的局限性.
• 更广泛的实施可以加快治疗速度并改善各种医疗环境中的患者结果.