[论文解读] Prediction of brain strain across head impact subtypes using 18 brain injury criteria.

Xianghao Zhan, Yiheng Li+10 more|arXiv (Cornell University)|Dec 18, 2020

Automotive and Human Injury Biomechanics参考文献 39被引用 7

一句话总结

本研究利用线性回归方法，评估了18种脑损伤标准（BICs）在五类头部撞击亚型中预测脑应变的能力。研究发现，基于某一类撞击类型训练的BICs在应用于其他撞击类型时表现欠佳，这引发了其在跨亚型损伤风险评估中泛化能力的担忧。

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.

研究动机与目标

• 评估18种脑损伤标准（BICs）在不同头部撞击亚型中预测脑应变的准确性。
• 调查为某一类撞击类型（如运动相关）开发的BICs是否能可靠预测其他撞击类型（如汽车碰撞）中的应变。
• 量化基于BIC的回归模型在一种撞击亚型上训练、在另一类亚型上测试时的性能下降程度。
• 评估BICs在捕捉不同生物力学加载条件下应变变化方面的生理相关性。

提出的方法

• 采用线性回归模型，基于18种BICs对三种应变指标（95%最大主应变、胼胝体处95%最大主应变、累积应变损伤（15%））进行建模。
• 使用五个代表不同头部撞击亚型（如运动相关、汽车碰撞等）的独立数据集进行模型训练与测试。
• 在每个数据集上训练BIC回归模型，并评估其在其他具有不同撞击亚型的数据集上的表现。
• 通过比较同亚型与跨亚型训练/测试场景下的模型准确率，评估其泛化能力。
• 使用决定系数（R-squared）和回归系数量化BIC值与应变结果之间关系的强度。

实验结果

研究问题

• RQ1 18种脑损伤标准在不同头部撞击亚型中预测脑应变的效果如何？
• RQ2 当在某一类撞击亚型上训练的模型应用于另一类撞击亚型时，其预测性能是否会下降？
• RQ3 不同头部撞击亚型中，BIC与应变之间的关系是否存在显著差异？
• RQ4 BIC基应变预测的准确性在多大程度上依赖于训练数据集的撞击亚型？

主要发现

• 在五类头部撞击亚型中，BIC值与脑应变之间的关系存在显著差异。
• 同一BIC值在不同撞击亚型中可能对应不同的脑应变水平，表明其行为具有亚型特异性。
• 在某一撞击亚型上训练的回归模型在应用于另一亚型时准确率下降，性能普遍降低。
• 在相同撞击亚型上训练和测试的模型始终优于跨亚型模型，凸显其泛化能力有限。
• 本研究结论认为，为特定撞击类型开发的BICs可能无法可靠地推广到其他撞击情境。