首开先河的孩子超声数据集使大量的研究

Skoltech HSE大学和纽约大学的研究人员和他们的同事们提出了一个广泛的指标数据集来自超声扫描的三个主要动脉供应血液到大脑。样本包括821名参与者,其中大部分是定期去公立学校,这是特别有价值的大多数之前的研究与其他年龄组或处理生病的孩子。团队希望新的数据将作为临床医生和一个有用的参考提示新发展,社会和其他研究。对他们来说,这项研究的作者《公共科学图书馆•综合》已经训练一个机器学习模型来告诉孩子的年龄基于超声指标,证明他们可以用来做有意义的预测。

虽然超声研究依赖于标准的医疗器材,如用于常规检测怀孕的女人,超声波的考试动脉与血液供给大脑不是一个人没有非常具体的医疗适应症通常会接受,特别是在年轻的时候。

“与老年人超声研究更为普遍,大多数研究关注儿童神经发育障碍患者。我们的调查是建立在基本研究问题解决之间的差异年龄组、性别、动脉和大脑半球。具体地说,我们采取了发展角度因为最终孩子的成熟与他们的表现如他们的学校分数,”该研究的第一作者发表评论,玛丽•Arsalidou副教授HSE大学和约克大学兼职教授。

数据是由年龄和性别,和研究人员和临床医生可以使用它们作为发展参考。例如,临床医生可以判断孩子的超声指标是平均年龄或有些不同寻常。此外,数据集也可以有一天为先进的人工intelligence-powered决策支持系统,可以使医疗行业受益。

证实,超声可以作为有意义的预测的基础,团队构建机器学习模型,想孩子的年龄基于信息来自他们的超声波,血流速度、血管直径等。现在,研究人员正计划创建模型尝试更复杂的预测,尤其是孩子的认知能力。

领导团队的高级研究科学家格言Sharaev Skoltech,补充道,“另一条线的研究成为可能的新数据将解释模型预测。例如,与我们的年龄预测模型,我们发现男孩和女孩的指标是非常相似的。大多是在两个半球之间的差异。我们还确定了发展目标,我们需要进一步检查,像一些年龄段时表现出更大的半球之间的差异,比其他年龄组之间。”

机器学习模型设计的研究不仅是有用的,因为他们展示了这种预测是可能的;研究结果还指出哪些方面的数据更重要的预测。“我们可以确定哪些特性最的贡献模型的预测和调查他们潜在的生物标记物。如果测试独立收集数据然后确认这些生物标志物指示性的病理或其他重要特征,它们可以用于指导临床决策和建立更好的神经模型,”Sharaev总结道。