首页> 外文期刊>European journal of emergency medicine: Official journal of the European Society for Emergency Medicine >Artificial neural network in predicting craniocervical junction injury: an alternative approach to trauma patients.
【24h】

Artificial neural network in predicting craniocervical junction injury: an alternative approach to trauma patients.

机译:人工神经网络预测颅颈交界处的损伤:创伤患者的另一种方法。

获取原文
获取原文并翻译 | 示例
           

摘要

OBJECTIVE: The aim of this study is to determine the efficiency of artificial intelligence in detecting craniocervical junction injuries by using an artificial neural network (ANN) that may be applicable in future studies of different traumatic injuries. MATERIALS AND METHODS: Major head trauma patients with Glasgow Coma Scale
机译:目的:本研究的目的是通过使用人工神经网络(ANN)来确定人工智能在检测颅颈交界处损伤中的效率,该神经网络可能适用于将来对不同创伤性损伤的研究。材料与方法:研究对象为所有年龄段的格拉斯哥昏迷量表≤8的主要头部外伤患者。所有患者均接受了脑部计算机断层扫描(CT),颅颈交界处CT和颈椎X线摄片。执行具有反向传播ANN的前馈和逐步前向逻辑回归来测试所有模型的性能。结果:总共纳入入选标准的127名患者被纳入研究。研究患者的平均年龄为31 +/- 17.7,其中77.2%(n = 98)是男性,13.4%的患者(n = 17)患有颅颈交界病。仅通过CT可以检测到约64.7%(n = 11)的病理。颅颈CT和颈椎平片均占23.5%(n = 4);仅通过宫颈X线平片检查就占11.8%(n = 2)。 Logistic回归模型的敏感性为11.8%,特异性为99.1%。阳性预测值为66.7%,阴性预测值为87.9%。 Logistic回归模型的曲线下面积为0.794(P = 0.000)。 ANN的敏感性为82.4%,特异性为100%。阳性预测值为100%,阴性预测值为97.3%。 ANN模型的曲线下面积为0.912(P = 0.000)。结论:人工神经网络作为一种人工智能应用似乎适合于检测和排除颅颈交界处的损伤,但它不应替代颅颈交界处的CT。但是,这些发现将引导我们测试ANN在难以诊断的创伤患者或构建临床决策规则中的适用性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号