机器学习在创伤性脑损伤中的应用：聚焦轻度 TBI
图像与视频处理
2024-01-12 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
创伤性脑损伤（TBI）构成了重大的全球公共卫生挑战，导致高发病率和死亡率，并给 worldwide 的医疗系统带来沉重的经济负担。TBI 的诊断依赖于临床信息以及计算机断层扫描（CT）。针对 TBI 带来的多方面挑战，人们开发了针对这种复杂状况的创新数据驱动方法。特别值得注意的是轻度 TBI（mTBI）的普遍性，它构成了大多数 TBI 病例，而传统方法在这些病例中往往表现不足。因此，我们回顾了应用于 TBI 临床信息和 CT 扫描的最先进机器学习（ML）技术，特别关注 mTBI。我们根据数据来源对 ML 应用进行了分类，迄今为止已使用了多种 ML 技术。这些技术主要集中在诊断上，而尝试预测预后的相对较少。本综述可作为未来研究工作的灵感来源，旨在利用数据驱动方法和标准诊断数据改进 TBI 的诊断。
引用
@article{arxiv.2401.03621,
title = {Machine Learning Applications in Traumatic Brain Injury: A Spotlight on Mild TBI},
author = {Hanem Ellethy and Shekhar S. Chandra and Viktor Vegh},
journal= {arXiv preprint arXiv:2401.03621},
year = {2024}
}
备注
The manuscript has 34 pages, 3 figures, and 4 tables