一种用于测量与共享轻度创伤性脑损伤数据的新型开放平台
机器学习
2021-04-06 v1 计算机与社会
摘要
尽管已有大量研究努力,脑震荡的精确机制尚未被完全揭示。针对高风险人群(如接触性运动运动员)的临床研究已愈发普遍,并通过可穿戴传感器与神经学测试揭示了冲击严重程度与脑损伤风险之间的联系。然而,随着开展此类研究的机构数量增长,愈发需要一个共享这些数据的平台,以促进对脑震荡机制的理解并助力合适诊断工具的开发。为此,本文做出两项贡献:1) 与联邦机构间创伤性脑损伤研究信息学系统(FITBIR)合作,建立一个用于存储和共享头部冲击数据的集中式开源平台;2) 一种深度学习冲击检测算法(MiGNet),用于区分此前经生物力学验证的仪器化护齿传感器(MiG2.0)所记录的真实头部冲击与假阳性,且全部可便捷对接 FITBIR。基于神经网络模型,我们在高中与大学橄榄球头部冲击的样本外数据集上利用 MiGNet 取得了 96% 的准确率,优于此前基于支持向量机取得 91% 准确率的工作。集成化的 MiG2.0 与 FITBIR 系统作为一种协作研究工具,将在多个机构间推广,以创建标准化数据集,增进对脑震荡生物力学的认知。
引用
@article{arxiv.2010.08485,
title = {A New Open-Access Platform for Measuring and Sharing mTBI Data},
author = {August G. Domel and Samuel J. Raymond and Chiara Giordano and Yuzhe Liu and Seyed Abdolmajid Yousefsani and Michael Fanton and Ileana Pirozzi and Ali Kight and Brett Avery and Athanasia Boumis and Tyler Fetters and Simran Jandu and William M Mehring and Sam Monga and Nicole Mouchawar and India Rangel and Eli Rice and Pritha Roy and Sohrab Sami and Heer Singh and Lyndia Wu and Calvin Kuo and Michael Zeineh and Gerald Grant and David B. Camarillo},
journal= {arXiv preprint arXiv:2010.08485},
year = {2021}
}
备注
21 pages, 3 figures, 1 table