早期检测创伤性脑血瘤使用机器学习驱动的近红外光谱:卡巴迪球员的病例报告
Neil Manjunath Salian1, Dhaval Shukla, Subhas Konar
1Department of Neurosurgery, National Institute of Mental Health and Neuro Sciences, Bengaluru, Karnataka, India.
概括
机器学习驱动的近红外光谱学 (mNIRS) 提供了一种快速,非侵入性的方法来检测运动员中创伤性脑血瘤. 这项技术在卡巴迪等高接触体育运动中,在头部受伤后进行场上评估方面显示出前景.
科学领域:
- 神经科学是一个神经科学.
- 运动医学 运动医学
- 生物医学工程 生物医学工程
背景情况:
- 创伤性脑损伤,特别是脑震荡,在接触运动中很普遍.
- 卡巴迪对头部受伤的风险很高,对急性神经效应的研究有限.
- 当前黄金标准的血液瘤检测 (CT扫描) 在现场设置中通常是不可用的.
研究的目的:
- 报告机器学习驱动的近红外光谱学 (mNIRS) 首次用于检测创伤性脑血瘤.
- 评估mNIRS作为一种快速,非侵入性的查工具,用于体育领域的现场评估.
- 突出mNIRS在运动员急性头部伤害管理方面的潜力.
主要方法:
- 一名13岁的卡巴迪运动员在比赛中头部受伤.
- 机器学习驱动的近红外光谱学 (mNIRS) 用于初步评估.
- 计算机断层扫描 (CT) 用于确认发现.
主要成果:
- mNIRS显示,疑似是受伤后的创伤性脑血瘤.
- CT证实了右前侧平行体下体血瘤,中线偏移6毫米.
- 同时还发现左骨骨折.
结论:
- mNIRS证明了其作为一种快速,非侵入性查工具的有效性,用于在现场检测创伤性脑血瘤.
- 这一案例凸显了mNIRS在体育医学中的潜在临床实用性.
- 需要进一步的研究来优化mNIRS,以便将其整合到体育医学协议中.
