外媒 | AI模型为长期创伤性脑损伤风险提供洞察-普瑞纯证

斯坦福大学的研究人员正在利用人工智能来帮助识别哪些计算模型最适合模拟脑部的机械应力，这可能有助于深入了解为什么一些创伤性脑损伤会导致长期脑损伤而其他损伤则不会。据新闻稿称，模拟导致脑损伤的压缩、拉伸、扭曲和其他变形的机械力是理解脑损伤的关键。这种建模可以帮助研究人员了解为什么一些创伤性脑损伤会导致持久的脑损伤而其他损伤则不会。斯坦福大学机械工程教授、斯坦福大学生物医学工程中心主任、该研究的高级作者艾伦·库尔博士在新闻稿中表示：“迄今为止，脑部建模的问题在于脑部不是均质的组织——在脑部的每个部分都不相同。然而，创伤通常是普遍存在的。脑部也像果冻一样非常柔软，这使得在脑部上测试和建模物理效应非常具有挑战性。”该模型被称为本构人工神经网络，采用“模型之模型”的方法，以确定超过4,000个材料模型中哪一个最能解释脑部的行为。新闻稿解释说，以前这个过程很复杂，因为可能性太多，用户体验和个人偏好的变化，以及一个模型可能适用于脑部的某种类型的应力，但不适用于另一种类型的应力。为了解决这个问题，该工具消除了一些挑战，并自动化了这个过程。该工具的开发者、斯坦福大学生物医学工程中心博士后研究员凯文·林卡在新闻稿中解释说：“我们让机器学习检查数据并决定哪个模型最有效，从而消除了用户选择的因素。自动化这个过程降低了建模脑部的难度。”一旦该工具选择了最适合表示特定类型的脑部应力的模型，那么该模型就可以与其他模型相关联，帮助研究人员获得有关创伤性脑损伤的新见解。该研究的合著者之一、库尔实验室的博士学者萨拉·圣皮埃尔在新闻稿中补充说：“我们向网络提供了过去一个世纪开发的所有本构模型。AI进行混搭以找到最佳选项。这是手工无法完成的。”

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。