[논문 리뷰] Prediction of brain strain across head impact subtypes using 18 brain injury criteria.

Xianghao Zhan, Yiheng Li외 10명|arXiv (Cornell University)|2020. 12. 18.

Automotive and Human Injury Biomechanics참고 문헌 39인용 수 7

한 줄 요약

이 연구는 선형 회귀를 사용하여 다섯 가지 두개부 충격 하위유형에서 뇌 변형 예측을 위한 18개의 뇌 손상 기준(BICs)을 평가한다. 연구 결과, 한 충격 유형에서 학습된 BICs는 다른 유형에 적용했을 때 성능이 떨어지며, 이는 서로 다른 하위유형 간 손상 위험 평가에서의 일반화 가능성에 우려를 제기한다.

ABSTRACT

Multiple brain injury criteria (BIC) are developed to quickly quantify brain injury risks after head impacts. These BIC originated from different types of head impacts (e.g., sports and car crashes) are widely used in risk evaluation. However, the predictability of the BIC on different types of head impacts has not been evaluated. Physiologically, the brain strain is often considered the key parameter of brain injury. To evaluate the BIC's ability to predict brain strain across five datasets comprising different head impact subtypes, linear regression was used to model 95% maximum principal strain, 95% maximum principal strain at corpus callosum, and cumulative strain damage (15%) on 18 BIC. The results show significant differences in the relationship between BIC and brain strain across datasets, indicating the same BIC value may indicate different brain strain in different head impact subtypes. The accuracy of regression is generally decreasing if the BIC regression models are fit on a dataset with a different head impact subtype rather than on the dataset with the same subtype. Given this finding, this study raises concerns for applying BIC to predict the brain strain for head impacts different from the head impacts on which the BIC was developed.

연구 동기 및 목표

• 다양한 두개부 충격 하위유형에서 뇌 변형 예측 정확도를 평가하기 위해 18개의 뇌 손상 기준(BICs)을 평가하는 것.
• 특정 충격 유형(예: 스포츠 관련)에서 개발된 BICs가 다른 충격 유형(예: 자동차 사고)에서 변형을 신뢰성 있게 예측할 수 있는지 조사하는 것.
• 한 충격 하위유형에서 학습한 BIC 기반 선형 회귀 모델이 다른 하위유형에서 테스트되었을 때 성능 저하 정도를 정량화하는 것.
• BICs가 다양한 생체역학적 하중 조건에서 변형 변화를 얼마나 생리학적으로 잘 반영하는지 평가하는 것.

제안 방법

• 18개의 BICs를 사용하여 3가지 변형 지표—95% 최대 주응력, 대뇌백색질에서의 95% 최대 주응력, 누적 응력 손상(15%)—를 선형 회귀로 모델링하였다.
• 다양한 두개부 충격 하위유형(예: 스포츠 관련, 자동차 사고 등)을 대표하는 다섯 개의 독립된 데이터셋을 모델 학습 및 테스트에 사용하였다.
• 각 데이터셋에서 BIC 회귀 모델을 학습하고, 다른 충격 하위유형을 가진 다른 데이터셋에 적용하여 성능을 평가하였다.
• 동일 하위유형과 교차 하위유형의 학습/테스트 시나리오 간 모델 정확도를 비교하여 일반화 능력을 평가하였다.
• R제곱 및 회귀 계수를 사용하여 BIC 값과 변형 결과 간의 상관관계 강도를 정량화하였다.

실험 결과

연구 질문

• RQ1 18개의 뇌 손상 기준은 다양한 두개부 충격 하위유형에서 뇌 변형을 얼마나 잘 예측하는가?
• RQ2 한 충격 하위유형에서 학습한 모델이 다른 하위유형에 적용되었을 때 예측 성능이 떨어지는가?
• RQ3 다양한 두개부 충격 하위유형 간 BIC–변형 관계에 유의미한 차이가 있는가?
• RQ4 BIC 기반 변형 예측 정확도는 학습 데이터셋의 충격 하위유형에 얼마나 의존하는가?

주요 결과

• 다섯 가지 두개부 충격 하위유형 간 BIC 값과 뇌 변형 간의 관계에 유의미한 차이가 관찰되었다.
• 동일한 BIC 값이 충격 하위유형에 따라 다른 수준의 뇌 변형을 의미할 수 있으며, 이는 하위유형에 따라 특화된 행동을 의미한다.
• 한 충격 하위유형에서 학습한 회귀 모델은 다른 하위유형에 적용했을 때 정확도가 떨어졌으며, 일반적으로 성능 저하가 관찰되었다.
• 동일 하위유형에서 학습 및 테스트한 모델은 교차 하위유형 모델보다 항상 뛰어난 성능을 보였으며, 이는 일반화 능력의 국한성을 강조한다.
• 이 연구는 특정 충격 유형에서 개발된 BICs가 다른 충격 시나리오로 신뢰성 있게 이식될 수 없다고 결론내린다.