[论文解读] Relationship between brain injury criteria and brain strain across different types of head impacts can be different

Xianghao Zhan, Yiheng Li+11 more|arXiv (Cornell University)|Dec 18, 2020

Automotive and Human Injury Biomechanics参考文献 49被引用 8

一句话总结

本研究调查了为特定类型头部撞击（如运动损伤或车祸）开发的脑损伤标准（BIC）是否能准确预测不同撞击类型下的脑应变。通过在五个数据集上使用线性回归分析，发现BIC-应变关系在不同撞击类型间存在显著差异，这削弱了BIC的普适性，并引发了其在损伤风险评估中跨类型应用的担忧。

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 accuracy of using the BIC on brain injury risk estimation across different types of head impacts has not been evaluated. Physiologically, brain strain is often considered the key parameter of brain injury. To evaluate the BIC's risk estimation accuracy across five datasets comprising different head impact types, linear regression was used to model 95% maximum principal strain, 95% maximum principal strain at the corpus callosum, and cumulative strain damage (15%) on each of 18 BIC respectively. The results show a significant difference in the relationship between BIC and brain strain across datasets, indicating the same BIC value may suggest different brain strain in different head impact types. The accuracy of brain strain regression is generally decreasing if the BIC regression models are fit on a dataset with a different type of head impact rather than on the dataset with the same type. Given this finding, this study raises concerns for applying BIC to estimate the brain injury risks for head impacts different from the head impacts on which the BIC was developed.

研究动机与目标

• 评估脑损伤标准（BIC）在预测多种头部撞击类型下脑应变的准确性。
• 评估为某一类撞击类型（如运动损伤）开发的BIC是否能可靠地估算另一类撞击类型（如汽车碰撞）下的应变。
• 量化BIC-应变关系在代表不同撞击机制的数据集中差异的程度。
• 检验基于BIC的回归模型在一种撞击类型上训练、在另一种撞击类型上测试时的表现。
• 挑战当前在未经过验证的情况下，将BIC普遍应用于不同头部撞击场景的实践。

提出的方法

• 收集了五个代表不同头部撞击类型的数据库：与运动相关的撞击、汽车碰撞及其他撞击机制。
• 测量了三种脑应变指标：95%最大主应变、胼胝体处的95%最大主应变以及累积应变损伤（15%）。
• 对全部18个BIC分别应用线性回归，以建模其在所有数据集上与三种应变指标的关系。
• 通过在某一数据集上训练模型并在其他数据集上测试，评估模型在不同类型间的泛化能力。
• 使用统计分析比较不同训练-测试组合下的决定系数（R-squared）值和模型拟合度。
• 通过跨数据集回归比较，评估BIC-应变关系在不同撞击类型间的一致性。

实验结果

研究问题

• RQ1 脑损伤标准（BIC）与脑应变之间的关系在不同类型的头部撞击中如何变化？
• RQ2 在一种撞击类型上训练的BIC-应变回归模型，其泛化能力在其他撞击类型中有多大？
• RQ3 当将BIC应用于与模型开发时不同的撞击类型时，其对脑应变的预测准确性是否显著降低？
• RQ4 与运动相关和汽车碰撞相关的头部撞击之间，BIC-应变相关性是否存在系统性差异？
• RQ5 为某一类撞击类型开发的BIC是否能可靠地估算另一类撞击类型下的脑应变，还是其生物力学响应存在根本性不匹配？

主要发现

• BIC与脑应变之间的关系在不同头部撞击类型间存在显著差异，表明BIC并非普遍适用。
• 在某一类撞击类型上训练的BIC回归模型，在应用于其他撞击类型时准确性显著下降，跨类型预测的决定系数（R-squared）值较低。
• 研究发现，同一BIC值在不同撞击类型下可能对应明显不同的脑应变水平，凸显了当前风险评估实践中的一项关键局限。
• 在相同撞击类型数据集上训练的模型始终优于跨类型模型，证实了针对特定撞击类型的校准至关重要。
• 当模型训练数据与测试数据的撞击类型不同时，BIC基应变预测的准确性显著下降，突显了误估风险。
• 累积应变损伤（15%）在不同撞击类型中的BIC-应变关系最为多变，表明该指标可能对撞击机制特别敏感。