[1]宋明.人工智能与脑网络组融合助力意识障碍预后预测研究[J].临床神经外科杂志,2020,17(01):8-10.[doi:DOI:10.3969/j.issn.1672-7770.2020.01.003]
 SONG Ming..Artificial intelligence and brain network research improve the prognostications of disorders of consciousness[J].Journal of Clinical Neurosurgery,2020,17(01):8-10.[doi:DOI:10.3969/j.issn.1672-7770.2020.01.003]
点击复制

人工智能与脑网络组融合助力意识障碍预后预测研究()
分享到:

《临床神经外科杂志》[ISSN:1672-7770/CN:32-1727/R]

卷:
17
期数:
2020年01期
页码:
8-10
栏目:
讲座
出版日期:
2020-02-15

文章信息/Info

Title:
Artificial intelligence and brain network research improve the prognostications of disorders of consciousness
文章编号:
202001003
作者:
宋明
100080 北京,中国科学院自动化研究所
Author(s):
SONG Ming.
Institute of Automation, Chinese Academy of Sciences, Beijing 100080, China
关键词:
脑网络人工智能意识障碍预后预测功能磁共振
Keywords:
brain network artificial intelligence disorders of consciousness prognostications fMRI
分类号:
R651,TP18
DOI:
DOI:10.3969/j.issn.1672-7770.2020.01.003
文献标志码:
A
摘要:
意识障碍(DOC)患者的预后预测对临床治疗及患者家属都有重要意义。但目前的预后预测模型的准确度不高,敏感性和特异性均较低。本研究在基于病因、年龄和病程作为重要预测指标的基础上,融合使用基于脑功能磁共振影像的患者脑功能网络特征,利用人工智能和机器学习算法,研发出了一个预测意识障碍患者能否苏醒的计算模型,准确率达到了88%。
Abstract:
Although some indicators and models have been proposed to prognosticate disorders of consciousness(DOC), any single method when used alone carries a high risk of false prediction. This study aimd to develop a multidomain prognostic model that combined functional brain networks with clinical characteristics to predict one year outcomes at the single-patient level.The model discriminate patients who would later recover consciousness from those who would not with an accuracy of around 88%.

备注/Memo

备注/Memo:
【作者简介】宋明,博士,中国科学院自动化所模式识别国家重点实验室脑网络组研究中心副研究员。研究方向为磁共振成像及其在临床中的应用。以第一作者或共同第一作者在本领域国际著名期刊(eLife、Neuroimage、Journal of Neuroscience、IEEE Transactions系列等)发表学术论文20余篇,承担过多项国家自然科学基金、科技部、中科院等科研项目。近年主要关注基于多模态磁共振影像进行的意识障碍病人的辅助诊断和预后预测方法的研究。目前担任中国神经科学学会意识与意识障碍分会委员。
更新日期/Last Update: 2020-02-17