创伤性脑损伤(TBI)是一个重要的公共卫生和社会经济问题在世界各地。认知康复(CR)已成为治疗创伤性脑损伤后认知障碍的首选。它由分层次组织任务,需要重复使用的认知功能受损。CR专业人员的一个重要焦点是重复的数量和类型的任务在执行治疗导致功能恢复。然而,很少研究是可用的,量化的数量和类型的练习。Neurorehabilitation范围(NRR)和Sectorized和注释的平面(SAP)介绍了一种确定正式运作模型为了向治疗师提供决策支持信息分配最合适的CR的计划。在本文中,我们提出一个新颖的方法基于SAP和NRR相结合来解决我们称之为Neurorehabilitation范围最大的地区(NRRMR)问题,生成分析和可视化工具使NRR的自动识别。介绍和应用新的SAP表示克服现有方法的缺陷识别。获得的结果显示模式,对治疗的反应,可能导致复议的一些当前临床假说。
一个b年代tr一个ct>创伤性脑损伤(TBI)是一个重要的公共卫生和社会经济问题在世界各地。虽然高质量的发病率数据稀缺,据估计,在美国约有530万人生活在一个TBI-related残疾,并在欧盟大约770万人经历了创伤性脑损伤有残疾
创伤性脑损伤被认为是<我t一个l我c>沉默的流行病我t一个l我c>,因为社会在很大程度上是没有意识到问题的大小
创伤性脑损伤的后果在不同情况下,但可以包括电动机、认知、和行为缺陷的病人,扰乱日常生活活动的个人,社会,和专业水平。最重要的遭受创伤性脑损伤后认知障碍是那些与关注,减少记忆和学习能力,恶化的时间表和解决问题的能力,减少抽象思维,沟通问题,缺乏认识自己的局限性。这些认知障碍阻碍的道路功能独立性和创伤性脑损伤的人的生产生活方式。
新技术的早期干预和创伤性脑损伤治疗的发展提高了存活率明显。然而,尽管有这些进步,脑损伤还没有手术或药物治疗重建失去的功能(
典型的CR程序主要由运动需要重复使用的认知系统受损的任务序列中越来越要求(
修改的过程神经元电路的经验,学习,或受伤被称为神经可塑性(
虽然任务重复并不是唯一重要的特征,人们越来越清楚的认识到神经可塑性变化和功能改进发生在一些特定的任务执行与其他数字(但不要发生
在我们先前的研究[
在本文中,我们基于NRR和SAP的概念工具来解决我们称之为Neurorehabilitation范围最大的地区(NRRMR)问题。基本上,这在于NRRs的自动识别与数据驱动的模型,能够避免限制在SAP性能。NRRMR,出现在SAP的遮挡问题,作为一个纯粹的可视化工具,是克服,和数量可变的NRRs对于一个给定的CR找到任务,根据不同的用户定义的条件可接受程度的不确定性。在目前的提议,SAP转换成蒙面二进制矩阵和几何优化算法(最大空矩形(MER)问题[
论文的结构如下:部分
有一个共同的信念,CR对创伤性脑损伤病人有效,基于大量的研究和丰富的临床经验。不同的统计方法和预测数据挖掘方法被应用于预测临床结果创伤性脑损伤患者的康复
然而,当前的知识确定有利的结果的因素主要是经验和这类干预措施的好处仍然是有争议的
看来病人改善可能依赖<我t一个l我c>在其他事物之外我t一个l我c>在受伤的位置,认知形象,持续时间和强度提出了治疗和他们完成的程度
在[
由于这些原因,其他方法必须找到更好地理解CR的过程,目的是获得科学证据对其有效性和提供相关信息的建立一般CR程序设计指南,可以帮助CR治疗师在临床实践中。从新的角度分析数据可以促进这一领域(
我们的建议(
目前工作的核心思想是将Vis-SAP方法从
为此,将MER的泛化问题。MER问题包括识别所有最大空axes-parallel (isothetic)矩形,在一个矩形空间地区一些点。它在1984年首次引入
给定一个直线的矩形<我nl在e- - - - - -formula>
几个算法已经提出多年的平面问题[
这个问题出现在一个矩形形状的情况下工厂是位于一个类似的地区有很多禁止区域或当一个“完美”从一个大矩形块同样形状的金属板与一些有缺陷的地方
最大的空枚举矩形的<我t一个l我c>最大的白色矩形我t一个l我c>在图像分割
最近,应用程序可以在数据挖掘(
我们最好的知识,即尚未应用,尤其是NRR识别或CR的上下文中。
年代ec>年代ec>拟议的方法存在两种策略的分析和图形识别和可视化NRR和non-NRR基于SAP的概念引入[
鉴于三个变量<我nl在e- - - - - -formula>
给定一个特定的CR任务和假设<我nl在e- - - - - -formula>
数据绘制有关<我nl在e- - - - - -formula>
探索性分析是用来确定系统变量之间的关系如果没有先前的知识这些关系的本质。常数<我nl在e- - - - - -formula>
在哪里<我t一个l我c>r1、r2、r1和r2我t一个l我c>图中显示区域检测到的极限。
年代一个P的基础是建立在这些规则。
年代ec><年代ec id="sec3.3">Vis-SAP的主要问题是,在图像中每个像素点可能会重叠,而不是总是标有相同的响应值。检测NRR区域每个像素由标签与大多数标签,使用一个简单的投票方案没有考虑改善和nonimprovement像素重叠之间的平衡。
在这个工作提出的第一个想法是使用的数值表示Vis-SAP基于双向矩阵,恰恰说明有多少点的每个类在任何像素图中重叠。
在Vis-SAP,在这种方法中<我nl在e- - - - - -formula>
鉴于<我t一个l我c>mExec我t一个l我c>的最大数量和执行的任务<我t一个l我c>mResults我t一个l我c>一个任务的最高得分<我nl在e- - - - - -formula>
为每一个<我nl在e- - - - - -formula>
采取作为输入参数<我nl在e- - - - - -formula>
它是由双行程解决线性<我nl在e- - - - - -formula>
双行程算法的例子。
作为算法中的R代码所示
Anxm矩阵的红色(0)/绿(1)元素FT-SAP后获得<我nl在e- - - - - -formula>
MAXROW最大的行数
MAXCOL最大列数
NRR maxrowxmaxcolumn
第一遍
从下到上每一列
重复
绿色的元素数量递增
直到找到红色的元素<我nl在e- - - - - -formula>
第二次通过
为每一行从左到右
NRRrows = 0 # NRR解决方案的的行数
重复
如果元素> = MAXCOL
增量NRRrows
NRR = NRR + NRR(元素)
其他NRRrows = 0
直到NRRrows = MAXROW
返回NRR
(<我nl在e- - - - - -formula>
续<我nl在e- - - - - -formula>
(<我nl在e- - - - - -formula>
如果(<我nl在e- - - - - -formula>
续<我nl在e- - - - - -formula>
其他的<我nl在e- - - - - -formula>
续<我nl在e- - - - - -formula>
Mdat<我t一个l我c>←我t一个l我c><我nl在e- - - - - -formula>
应用(mdat 1函数(<我nl在e- - - - - -formula>
如果长度(<我nl在e- - - - - -formula>
拉普兰人(<我nl在e- - - - - -formula>
零
与算法
将看到在应用部分,一些真正的情况下提供大型绿地受到一小部分孤立的红点,可以假定NRR的一部分,提供税收成为与之相关的不确定性。这意味着修改以前的算法找到的地区一定程度的污染。但泛化所提供的实现并不明显。因此,经典版的MER算法代替,适当修改。部分
Amxn红/绿元素的矩阵获得FT-SAP后(<我nl在e- - - - - -formula>
MER子矩阵的<我nl在e- - - - - -formula>
#(1)初始化。
maxArea<我nl在e- - - - - -formula>
区域<我nl在e- - - - - -formula>
#(2)外double-for-loop考虑所有可能的左上角的位置。
(<我nl在e- - - - - -formula>
(<我nl在e- - - - - -formula>
#(2.1)与(<我nl在e- - - - - -formula>
(<我nl在e- - - - - -formula>
(<我nl在e- - - - - -formula>
#(2.1.2)看看矩形(<我nl在e- - - - - -formula>
填满<我t一个l我c>←我t一个l我c>
#(2.1.3)如果是,计算它的面积。
如果(填充){区域<我t一个l我c>←我t一个l我c>
#如果面积最大,最大调整和更新坐标。
如果(面积> maxArea) {
maxArea<我nl在e- - - - - -formula>
topLeft<我nl在e- - - - - -formula>
topLeft<我nl在e- - - - - -formula>
botRight<我nl在e- - - - - -formula>
botRight<我nl在e- - - - - -formula>
}
}
}
}
}
返回列表((面积= maxArea矩形=<我nl在e- - - - - -formula>
如果(<我nl在e- - - - - -formula>
如果(<我nl在e- - - - - -formula>
返回((<我nl在e- - - - - -formula>
(<我nl在e- - - - - -formula>
(<我nl在e- - - - - -formula>
如果(<我nl在e- - - - - -formula>
}
}
返回(真)
}
托尔<我nl在e- - - - - -formula>
(<我nl在e- - - - - -formula>
(<我nl在e- - - - - -formula>
如果(<我nl在e- - - - - -formula>
托尔<我nl在e- - - - - -formula>
如果(tol >公差){返回(假)<我nl在e- - - - - -formula>
}
}
返回(真)
}
作为一个第一次尝试MER问题的直接方法是遵循:扫描通过矩阵,在每个元素。对待每个元素作为一个潜在的MER的左上角。对于每一次这样的左上角,尝试所有其他元素作为一个潜在的MER的右下角。这种方法实现的算法
关于性能,在这种方法中每一个左上角访问<我nl在e- - - - - -formula>
允许的识别(即非空的区域。,regions containing some degree of 0 values) a modification of the<我t一个l我c>checkFilled我t一个l我c>介绍了函数所示算法
MER用用户定义的公差= 1。
这项工作是基于相同的上下文(
三个主要的认知功能在CR程序(通常是解决
IG CR项目开始前每一个病人接受神经心理学评估电池(NAB)。这个电池包括28个项目覆盖的主要认知领域(注意,内存和执行功能)测量使用标准化的认知测试。
不同预处理和后处理NAB考试分数是用来测量特定病人改善领域的关注,内存和执行功能。改进标准中定义各自的认知功能的搞笑认知康复协议。
为每个病人治疗师创建了一个特殊的CR治疗,也就是说,一个序列的任务。IG典型CR项目PREVIRNEC©平台范围从2到4会议一个星期2到5个月。后执行给定任务的病人得到了结果从0到100:0的结果表示任务完成和一个100年的最低水平最高。目前的这种分析PREVIRNEC©平台支持96种不同的CR任务针对上面提到的三个主要的认知功能(17关于注意康复,59内存和20执行功能)。在一个典型的CR治疗每个病人执行不同数量的任务以不同的顺序;执行相同的任务<我nl在e- - - - - -formula>
一百二十三成年创伤性脑损伤后CR IG神经心理康复治疗了3到5个月单元进行了分析研究。为每个病人以下人口和临床变量被认为是:年龄、性别、教育水平、规模(GCS)、格拉斯哥逗号和创伤后失忆(PTA)持续时间。表
基本描述性统计数值变量。
创伤性脑损伤严重程度的初步评估报告根据gc水平。八个或更少的GCS评分从最初的损伤是归类为复苏后<我t一个l我c>严重的我t一个l我c>脑损伤。GCS评分的<我t一个l我c>一个温和的我t一个l我c>脑损伤范围之间9和13和13分或更高的表示<我t一个l我c>温和的我t一个l我c>脑损伤或脑震荡。病人的分析,大多数(86.17%)显示GCS评分<我t一个l我c>严重的我t一个l我c>脑损伤水平(平均价值<我nl在e- - - - - -formula>
下列方法已经实现和执行在R版本2.15.1(2012-06-22),“烤棉花糖”版权©2012 (R统计计算的基础,ISBN 3-900051-07-0,执行平台:x86_64-pc-mingw32 / x64(64位)。
年代ec><年代ec id="sec4.2">第一个应用程序是FT-SAP节
FT-SAP idTask(0.8) = 146的总数3329执行。
CR治疗这个任务由3329执行,其中1950对应改善患者=是的,1379改进= NO。
年代ec><年代ec id="sec4.3">部分的方法
NRR坐标确定的方法。
结果NRRs以下:
介绍了在节
FT-SAP每个认知功能:注意力(上),内存(中间),和执行功能(底),<我nl在e- - - - - -formula>
提出的方法部分
第一个情节图
[topLeft<我t一个l我c>x我t一个l我c>,topLeft<我t一个l我c>y我t一个l我c>,botRight<我t一个l我c>X我t一个l我c>,botRight<我t一个l我c>Y我t一个l我c>]=<我nl在e- - - - - -formula>
面积= 20,
公差= 2:
[topLeft<我t一个l我c>x我t一个l我c>,topLeft<我t一个l我c>y我t一个l我c>,botRight<我t一个l我c>X我t一个l我c>,botRight<我t一个l我c>Y我t一个l我c>]=<我nl在e- - - - - -formula>
面积= 30,
分析识别NRR有或没有定义的宽容。
导致以下NRRs:
这项工作旨在识别条件执行某一认知康复任务(或一组任务)保证更好的潜力,激活大脑可塑性,因此有助于带来改善CR治疗后认知功能评估。作为这一研究让我们先前的研究起点,以下比较结果和优缺点进行了讨论。
图
FT-SAP (a)和Vis-SAP idTask = 151 (b)。
不过,可以看出,该地区<我nl在e- - - - - -formula>
FT-SAP idTask = 151 (0.5)。
当CR治疗被认为是更长,包括因此越来越多的主题,情节,没有任务的地区执行往往可以找到减少。同时,当一群任务目标相同的认知功能被认为是,而不是一个更健壮的NRR可以从拟议中的诱导FT-SAP表示。
此外,两个图在图
提交的时候,PREVIRNEC©临床假说被假设为一个常数NRR整个组可用的任务。假定NRR是只考虑了一维NRR生长残痕获得执行的任务。因此,一个任务被认为是执行在NRR如果获得的得分下降区间<我nl在e- - - - - -formula>
如部分所示
这表明当前NRR(得分区间<我nl在e- - - - - -formula>
一节中提出的方法
提出的算法部分
提出了在(
这项工作建立在我们之前贡献的设计、实现,和执行个性化、可预测的,和数据驱动的CR项目。我们希望确定NRR认知康复任务导致病人改善。
年代一个P和MER问题是用于自动生成数据驱动模型,以确定二维NRRs,考虑适当的组合重复的任务和性能。在这个工作中,提出了一种新的SAP克服Vis-SAP的识别限制和允许的自动识别二维的NRR对于一个给定的任务。方法介绍了确定数量可变的NRRs满足一定程度的可靠性(<我nl在e- - - - - -formula>
提出了分析和可视化工具,设计,实现,和执行一个操作方法的识别二维的NRR从一个数据驱动的方法。FT-SAP介绍了作为一个参数heatmap-based可视化工具找到目标地区事件有一个最小的概率发生。对于这个特定的应用程序,FT-SAP标识认知改善高概率的区域。尽管FT-SAP不是一个复杂的概念,它已经显示出巨大的潜力的NRR地区寻找认知康复任务(或一组任务)在一个自动的,高效,简单,很直观的方式。确定NRRs将与一个随机验证组患者没有包含在这个分析来验证结果。
互补的可视化和分析工具,从提供的表示FT-SAP, MER问题方法引入了以确定最大NRR。现有MER方法实现和适应支持一个用户定义的搜索MER宽容。这允许治疗师定义的程度MER应该是空的。宽容指定MER非空的元素的数量。这些区域的视觉识别,允许一定程度的非空的元素并非易事,因此一个自动识别为医生提供了这些额外的信息。建议在节
提出了在部分
不存在竞争的经济利益。
年代ec><一个ck>这项研究受到了科学和创新部(西班牙)INNPACTO程序(PT NEUROCONTENT,格兰特没有。300000-2010-30),教育部社会政策和社会服务(西班牙)IMSERSO程序(PT COGNIDAC,格兰特没有。41/2008),MARATO TV3基金会(PT:改善精神分裂症社会认知和元认知:一个Tele-Rehabilitation项目,批准号091330),欧盟cip - ict psp - 2007 - 1 (PT:清晰,批准号224985),西班牙经济与财政部(PT COGNITIO,批准号TIN2012 38450)和EU-FP7-ICT (PT PERSSILAA批准号610359)。
一个ck>