可视化和分析的数据挖掘方法的识别Neurorehabilitation范围在创伤性脑损伤认知康复

文摘

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。

1。介绍

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1]。

创伤性脑损伤被认为是沉默的流行病,因为社会在很大程度上是没有意识到问题的大小2]。世界卫生组织预测,到2020年,创伤性脑损伤和道路交通事故将第三全世界疾病和伤害的主要原因(3]。

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(4]。在这种背景下,认知康复(CR)是定义为一个过程,脑损伤患者与健康服务专业人士和其他人共同努力,解决或缓解神经损伤引起的认知障碍5]。

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(6]。大脑和身体都需要重新学习如何神经损伤后功能;利用大脑中的神经元电路变化这种固有的能力可能是必要的,如果康复的利益最大化。

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(7]。

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8,9]。因此,康复专业人员的一个重要焦点是重复的数量和类型的任务执行期间治疗。然而,很少有研究量化的数量和类型,发生在临床康复治疗和康复的结果之间的关系10,11]。

在我们先前的研究[12),Neurorehabilitation范围(NRR)引进的概念框架来描述的程度的CR任务的性能产生最大的康复效果。Sectorized和注释的飞机(SAP)提出了一个可视化工具找到NRR和操作定义,用于真正的临床实践。介绍了两种数据驱动的方法建立SAP (12和比较。给定任务的NRR因此确定二维矩形区域定义为:执行一个任务的数量在CR处理和性能在每个任务的执行。

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[13])是广义NRRMR,允许识别的区域满足用户定义的条件(见细节部分3)。拟议的方法扩展到任意数量的任务分为认知功能,允许NRR不仅单个任务的识别(如[12),还一群。方法应用于真实临床环境一样在12为了让结果的比较。

论文的结构如下:部分2简要介绍了国家的艺术和起点的建议。部分3介绍了提出的分析方法和部分4其应用CR上下文;部分5礼物的讨论结果和比较与先前的部分6结论和未来的研究。

2。国家的艺术

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14- - - - - -16]。这些研究大部分集中在决定生存,预测残疾或病人的恢复,并寻找更好的预测的因素后创伤性脑损伤病人的条件。

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17](参见Ecri认知康复治疗创伤性脑损伤:我们知道的和不知道它的功效。编辑注意10/11/11:国际移民组织的新报告脑损伤治疗ECRI研究所得出的结论类似早期的发现)。开发新的工具来评价科学证据的有效性将有助于更好的理解CR。

看来病人改善可能依赖在其他事物之外在受伤的位置,认知形象,持续时间和强度提出了治疗和他们完成的程度18,19]。然而,这些似乎只有一些自己的决定因素和他们不能解释整体的现象。虽然这些因素被认为是在设计的康复治疗,其他相关因素存在,更难以控制和相关的高可变性病变,认知功能的复杂性,和缺乏适当的仪表系统化干预措施。这群产生内在异质性和古典表现不佳的比较研究20.),这使得它很难提前认知neurorehabilitation的病理生理学的知识。

在[21),基本的机器学习算法被用来预测的概率提高病人根据他们最初的神经心理学评估。这种方法能够识别亚种群的患者更适合改善使用CR治疗。然而,它没有提供任何信息,帮助CR治疗师CR程序适应增加改善本身或扩大可能激活的亚种群改进CR治疗。进一步,在22)病人获得的性能在一个特定的任务包括在模型的初步评估。机器学习方法显著提高预测能力。这项工作证明,任务参与病人改善性能。然而,它没有提供信息成功模式的任务是提出病人导致认知功能的改善。

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(23]。

我们的建议(12)方法从数据驱动的角度问题通过开发新的数据挖掘工具,可以减少不确定性。介绍了元素评估当病人执行下一个任务Neurorehabilitation范围,最大的一项指标,改善病人的预期目标的认知功能。这有助于更好地理解一个特定的角色在临床改善程度的CR任务的性能。提出了两种不同的方法建立SAP (12):直接施工原始数据的可视化(Vis-SAP方法)和DT-SAP,基于决策树归纳,因此可以自动化。决策树被认为是由于其固有的结构直接导致NRR模型。这是建造的所有分支或导致叶贴上改进。这两种方法都有效地确定改进的概率更高的地区;统计two-proportion测试被用来评估NRR模型通过检查的质量改进的概率是否执行任务时根据NRR显著高于远离它。而DT-SAP是确定性方法,可以自动化,Vis-SAP是semideterministic方法需要目视检查作为最后一步。然而,它似乎产生更好的结果在实际应用中,因为不完整的功能分区提供的飞机在非常均匀的地区Vis-SAP优于诱导结果从一个DT,树叶经常被污染;也就是说,他们同时包含改善和nonimproving病人。然而,Vis-SAP方法有一个限制:[使用的图形表示12没有考虑遮挡。这意味着一个像素是否图中被描述为一种进步取决于多数像素点但这并不考虑这个简化税收所产生的误差。本文提供了一种新方法,克服了这一局限性。

2.1。最大空矩形

目前工作的核心思想是将Vis-SAP方法从12成几何优化算法,避免了遮挡的视觉效果而允许某种程度的杂质的检测区域NRR考虑。

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13)如下。给定一个直线的矩形笛卡儿平面和集的点的室内,每一个点被指定的和坐标,,指定的左边界,对边界,上边界,和底部边界,最大空矩形(MER)问题是要找到一个最大区域矩形的边是平行的包含在这样毫无意义的在于其内部。

几个算法已经提出多年的平面问题[24]。例如,早期的算法通过Chazelle et al。25)运行在时间和空间。最快的算法,提出了1987年Aggarwal和苏瑞(26),在时间和空间。一个下界的在代数决策树模型证明了这个问题。麦凯纳et al。(27]。

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13)是被削减。这个问题也可以进一步修改,这样受欢迎的矩形的长度和宽度有一定比例或一定的最小长度。

最大的空枚举矩形的最大的白色矩形在图像分割28]。

最近,应用程序可以在数据挖掘(29日)、地理信息系统(GIS)和非常大规模的集成设计30.]。

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。

3所示。材料和方法

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[12分别和古典MER问题。

3.1。Sectorized和注释的平面(SAP)

鉴于三个变量,,,在那里是一个定性反应变量,值吗,,数值解释变量,SAP是一个二维图在设在,在设在和矩形区域常数显示和标记图中列出的值1。SAP因此旨在可视化图形支持工具,在响应变量在某些地区是恒定的空间。最终,允许放松严格的常数显著的地区,SAP可能包括地区纯度的指标,添加标签的发生概率值。

给定一个特定的CR任务和假设作为一个二进制变量报告改善患者的认知功能的目标任务(是的,没有)、SAP导致响应区域的参与者显示类似的对治疗的反应。SAP显示了一个平面功能分区与治疗反应直接相关。这允许识别的逻辑限制(规则)确定不同的治疗结果。

3.2。Visualization-Based SAP (Vis-SAP)

数据绘制有关和,每个点是用不同的颜色显示的值。这个分类的散点图(有时称为letterplot)是一个探索性的技术调查之间的关系和在子组决定。这里给出的特定应用程序,是每一个执行的结果(例如,一个整数的范围),是执行死刑的数量所执行的任务的主题,而是neurorehabilitation过程的影响(改进/ nonimprovement)。

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。常数地区发现的情节可以表达的形式逻辑规则隐含变量参与以下形式:如果(导致(r1, r2)和执行(r1, r2)) P(改进)= P,

在哪里r1、r2、r1和r2图中显示区域检测到的极限。

SAP的基础是建立在这些规则。

3.3。频率表SAP (FT-SAP)

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,在这种方法中是每一个执行的结果(结果),是死刑的数量所执行的任务的主题(执行)是neurorehabilitation过程的影响:改进/ nonimprovement (是的,没有)评估标准化的神经心理学测试。

鉴于mExec的最大数量和执行的任务mResults一个任务的最高得分,,我们定义 =这样的&&, =这样的&, ==的百分比等&&。

为每一个矩阵构建(见表1)。

FT-SAP是图形可视化,渐变的颜色从红色绿色可以分配给像素根据其如图2。

给定阈值FT-SAP NRRMR地区可以找到设置的区域这样 鉴于,双色的梯度可以定义提供一个整洁的热图FT-SAP(如图3)。被定义为 因此一个二进制矩阵获得,。在FT-SAP过滤显示像素是一个面具(空细胞,没有提供任何颜色的像素)。

3.4。分析识别NRR

采取作为输入参数矩阵造成过滤FT-SAP结束一个方法来自动识别NRR(最大宽度和长度的表面在用户定义的参数)描述如下。这个想法是为了找到所有矩形组1 s细胞等于或大于最小宽度和长度由用户提供。

它是由双行程解决线性时间算法(在细胞的数量输入矩阵)。如图4,首先通过扫描矩阵列编号连续直到细胞红色的发现元素(0细胞),其次通过扫描行,寻找匹配元素作为参数提供的长度和宽度。

作为算法中的R代码所示2同时识别的方法允许NRRs满足用户定义的条件。R的MAXRES和MAXEXEC值对应的代码mResults和mExec上面分别定义。介绍了拟议中的伪代码的算法1。

与算法2,由用户指定的绿色矩形的FT-SAP对于一个给定的阈值可以被识别并相应地NRR建立。

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3.5提供我们的实现(算法3古典MER)和部分3.5。1提供建议的泛化,允许一定程度的污染区域(算法4)。

3.5。最大空矩形(MER)方法

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3。

关于性能,在这种方法中每一个左上角访问的位置。对于每一次这样的左上角,右下角不超过的位置。一个评估(检查1 s)在每个矩形的最坏情况检查(总:)(坏的)。这意味着寻找纯粹的地区当Algorthim矩阵进行更好的随着时间的推移2使用。一些改进经典MER方法已确定提高性能:先检查区域扫描1 s和修剪,忽略了矩形面积太小,而且,消除尽可能多的大小1矩形从搜索和检查角落0在继续之前。

3.5.1。Neurorehabilitation范围最大的地区(NRRMR)问题

允许的识别(即非空的区域。,regions containing some degree of 0 values) a modification of thecheckFilled介绍了函数所示算法4。一个用户定义的宽容是包括作为输入的功能,只有当价值超过该地区被认为是没有填满。图5显示了识别的最大矩形([topLeft包含一个非空的元素作为输出x,topLefty,botRightX,botRightY]=矩形面积= 24),而不是右下方会输出如果没有介绍([topLeft公差参数x,topLefty,botRightX,botRightY]=面积= 20)。

4所示。应用程序和结果

4.1。临床环境

这项工作是基于相同的上下文(12),神经心理学的研究所古德曼爵士Neurorehabilitation医院(IG)。信息技术框架CR在这个临床治疗因此PREVIRNEC©平台(31日]。是专门经营CR计划分配给对象,以及精确的后续管理信息的过程。

三个主要的认知功能在CR程序(通常是解决6]:注意,内存和执行功能;所有人可以深刻影响个人的日常运作。能力参加,甚至轻微的变化过程,回忆和行动信息有很大影响病人的生活质量。

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;执行相同的任务倍的耐心,可能不包括另一个病人的整个治疗期间,取决于医生的决定。

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2显示了基本的统计数值变量。

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严重的脑损伤。GCS评分的一个温和的脑损伤范围之间9和13和13分或更高的表示温和的脑损伤或脑震荡。病人的分析,大多数(86.17%)显示GCS评分严重的脑损伤水平(平均价值)。

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)。

4.2。视觉识别NRR考虑一个任务

第一个应用程序是FT-SAP节3.3CR任务(idTask = 146针对注意力认知功能)= 0.8。在图所示的双色的热图6是获得。绘制在“结果”设在从0到100,沿着“执行数”设在也从0到100不等。两个整洁NRR区域可以直观地识别高价值的结果和中期执行数的价值观。确定NRR可能表明,相同类型的其他任务(例如,针对相同的函数或子功能)可以以类似的方式;部分4.4下面显示了任务分组结果的认知功能。

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。

4.3。分析识别NRR

部分的方法3.4是申请NRRs的分析鉴定。获得的结果在图所示7输入参数值MAXROW = 4和MAXCOLUM = 3。

结果NRRs以下:如果结果(91、94)和重复[11、13])P(改进)≥0.8,如果结果(95、98)和重复[21日23])然后P(改进)≥0.8。

4.4。视觉识别CR NRR考虑每个任务的功能

介绍了在节4.1之后,本研究分析了一百二十三名创伤性脑损伤的成年人3-5-month CR在IG神经心理康复治疗单位。PREVIRNEC©平台包括17任务解决的关注功能,59内存和20执行功能。CR治疗期间,任务执行的总数是41010(10978年15475年目标的关注,14557年内存和执行功能)。图8显示FT-SAP (= 0.8左列和= 0.9右列)为每一个执行的任务按CR分组功能。前两块对应注意的执行任务,中间对记忆任务,底部对执行功能。三种不同的反应CR治疗模式可以被识别根据改进点是如何分布。注意任务分组在介质高值的结果和介质的执行数值低。记忆更均匀传播从低到高价值的结果;处决的情节和执行功能是上述模式的混合浓度高值和特定的低价值的结果和执行。

4.5。分析识别NRR (MER方法)

提出的方法部分3.5和3.5。1是申请NRRs的分析鉴定。

第一个情节图8(注意任务= 0.8)现在使用部分中给出的方法进行了分析3.5。1识别的最大区域改进每关注任务的执行,允许的公差2元素。结果(图在图表示9)如下: = 0.8,[topLeftx,topLefty,botRightX,botRightY]=,面积= 20,公差= 2: = 0.8,[topLeftx,topLefty,botRightX,botRightY]=,面积= 30,

导致以下NRRs:如果结果(87、88)和重复[11日20]) (改善) 0.8,如果结果(98、100)和重复[16日25]) (改善) 0.8。

5。讨论

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10 ()礼物FT-SAP idTask = 151和提出了工作= 1和图10 (b)显示Vis-SAP获得在12]。提出了在部分3.3,FT-SAP(1)代表一个绿点的位置如果 ,在那里;也就是说,所有的病人执行次任务151,获得分数改善治疗后。在图10 (),灰色细胞不会注册的观察。如图10 (b)无标题,Y=没有执行任务超过60次获得零以外的结果,导致识别规则:(NRR (151) = Execs151 > 65和Res > 20)。

不过,可以看出,该地区×表现为一个完全Vis-SAP绿色区域,而FT-SAP有很多红点。这表明大多数的点在这个领域没有100%的患者改善。这是FT-SAP的重大贡献。一个可以评估的确定性程度的诱导NRR点阻塞发生在VIS-SAP克服。另一方面,领域的情节与高浓度的执行和结果(如图所示结果低于40,执行数低于60图10 (b))Vis-SAP不提供一个整洁的可视化。通过建设,FT-SAP避免重叠产生的困惑点。减少到0.5,也就是说,承认一半的患者在治疗后nonimproving点,产生FT-SAP如图(0.5)11更多的绿点,但仍然很难确定一个有趣的绿色矩形区域建立NRR任务151的第二个区域。总之,Vis-SAP FT-SAP提供了一个改进的,使不确定性处理和避免,由建设、困惑产生的几个病人重叠在同一个点。

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10达成一致的识别区域NRR没有实现,如图所示的高值结果和执行率低。这似乎表明,对于这种类型的任务,治疗师可能期望达到NRR降低的结果。一个解释,这可能是一个任务的恢复效果取决于治疗病人的技能之间的比例和挑战自己参与的执行任务。困难与所涉及的认知水平的刺激功能;最大限度的激活发生在任务”刚刚太困难“(32]。如果任务过于简单或过于困难的病人,它似乎不那么有效。积极监测主题的进步因此需要适应任务的难度的潜在能力和进步,总是把他们达成目标就超出了他们能达到,但不是太远。因此,确定正确的训练计划需要非常精确的权衡足够的刺激和充分实现任务,这是直观的,仍然是一个开放的问题,经验和理论。

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。因此PREVIRNEC©系统自动增加了困难如果病人执行NRR以外(即。,achieving a result higher than 85, meaning that the task was too easy for the patient, and thus stimulating the required brain areas only to a poor degree) and decreases it if he/she performs below NRR (meaning that the effort demanded for the task was so hard that it became impossible, and thus nontherapeutic effects can be achieved). The current proposal enables a more precise refinement of the system where the NRR might change from task to task, depending on its own characteristics and the type of stimulation involved.

如部分所示4.4任务分析按认知功能分组,不同的模式可以被识别组织的任务。执行功能(图的底部8)似乎是一个组合的注意力和记忆力的情节。一个解释可能是,执行功能是那些允许个人的能力有效地和有效地参与复杂的目标导向行为,比如计划、排序、分类、灵活性和抑制。根据莱扎克(33),这包括设定目标的能力,形成计划,发起行动,监管和评估行为根据计划和情境约束。因此执行功能被认为是更高层次的功能控制更基本的注意力和记忆力等认知功能。这意味着完整无缺的执行功能可能确定一个脑损伤水平较低的个体认知缺陷,例如,选择性或分散注意处理或内存赤字,能够弥补这些赤字和适应改变了的情况下重组活动(34]。

这表明当前NRR(得分区间)也可能扩大到包括处决人数的介绍(12),也可以通过认知功能,可能导致不同的NRR每个函数,如部分所示4.4。

一节中提出的方法3测试在Windows 7专业SP 1 PC,英特尔酷睿i3 2.40 GHz (2 GB RAM) 64位操作系统。

提出的算法部分3.4运行在几秒钟。MER方法中描述的部分3.5和3.5。1花了15分钟的时间来执行。虽然效率低下,它提供了一个良好的基础版本。为了改善其性能,方向搜索需要介绍。该算法可以列举subrectangles仍然在任何随机的顺序和找到正确的解决方案。相反,我们可能利用这一事实,如果一个小矩形包含一个0,所以将它的每个周围的矩形。因此,矩形将成长为每个可能的左下角。这种成长过程只会产生右上角的角落定义矩形只包含成功(,即。,改进)。

提出了在(12]Vis-SAP提案的主要缺点是双重的:一方面,缺乏完整性Vis-SAP标准提出的。的确,看SAP图,VIS-SAP不是分配改进或nonimprovement整个地区,但只有一小部分的图对应于混凝土和减少地区改善或nonresponse可以保证。因此它可能是说Vis-SAP提供semideterministic过程在一个特定的配置结果和重复确保改进,第二个配置任务不会产生病人改善的地方,这些地区的结果是不确定的。另一方面,提出分析单独考虑每个任务,NRR定义为每一个任务。FT-SAP和拟议中的NRRMR方法克服这两个缺点。

6。结论和未来的工作

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。

SAP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()对于一个给定的任务。直接MER算法实现和修改确定地区的最低概率的改进为了解决Neurorehabilitation范围最大的地区(NRRMR)问题介绍了。提出的方法也适用于任何数量的CR任务分为认知功能允许NRR的识别,不仅对单个任务,还对其中一组刺激相同的认知功能。当按认知功能分组,不同的反应模式已被确认为记忆能力,关注,或执行功能,表明NRR也可能取决于目标函数。进一步的分析,包括每个认知功能的子功能,目前正在进行中。在PREVIRNEC©平台每个CR任务设计目标认知子功能(例如,idTask 151分析目标上空视觉记忆记忆功能的子功能)和改善/ nonimprovement值因此变量可以由NAB的特定单项成绩评估评估子功能,导致细粒度的结果。

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3.5,当前NRRMR实现将改善对更快的计算时间。公差参数也可以适应是一个百分比的确定区域的点代替固定数量的点,从而支持治疗师与更多的元素可能对治疗的反应。

提出了在部分1其他因素被认为是高度的行列式对治疗的反应,如创伤性脑损伤的严重程度由GCS、受伤以来,年龄和教育水平(20.]。扩展现有的提议正在探讨等其他因素,提供的正式框架FT-SAP很容易扩展的超立方体而不是双向表所示这个工作。

利益冲突

不存在竞争的经济利益。

确认

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)。

引用

1. b . Roozenbeek、a。r .马斯河和d·k·梅农”在创伤性脑损伤的流行病学变化模式,”自然神经学评论》,9卷,不。4、231 - 236年,2013页。视图:出版商的网站|谷歌学术搜索
2. j . a . Langlois和r . w .魅惑,“美国的创伤性脑损伤:研究和项目的疾病控制和预防中心(CDC),“头部外伤康复杂志》上,20卷,不。3、187 - 188年,2005页。视图:出版商的网站|谷歌学术搜索
3. s . a . Tabish和n . Syed“创伤性脑损伤:被忽视的现代社会的流行,“国际科学和研究杂志》上,3卷,不。12日,2014年。视图:谷歌学术搜索
4. d·t·斯特斯,g . Winocur,即h·罗伯逊认知Neuro-Rehabilitation:证据和应用程序英国剑桥,剑桥大学出版社,第二版,2008年版。
5. b·a·威尔逊“La readaption认知在les cerebro-leses”Neuropsychologie倩碧等Neurologie du遵守,m . i Botez Ed,页637 - 652,Les按德因为学校蒙特利尔,加拿大,蒙特利尔第二版,1996年版。视图:谷歌学术搜索
6. m . m . Sohlberg认知康复。一个交互式的神经心理学方法,2001编辑:c . a .交配。
7. r . j . Nudo“适应性运动皮层可塑性:对脑损伤后康复,”康复医学杂志,没有。41岁的补充,7 - 10,2003页。视图:谷歌学术搜索
8. j·r·凯里w . k .其中大肠Bhatt et al .,“比较手指跟踪和简单的运动训练通过telerehabilitation改变手功能和中风后大脑皮层重组,”Neurorehabilitation和神经修复,21卷,不。3、216 - 232年,2007页。视图:出版商的网站|谷歌学术搜索
9. s . l .狼c . j . Winstein j·p·米勒et al .,”效应导致运动疗法对上肢功能3至9个月后中风:激发随机临床试验,”美国医学协会杂志》上,卷296,不。17日,第2104 - 2095页,2006年。视图:出版商的网站|谷歌学术搜索
10. c . k .英语,s . l . Hillier k·r·斯蒂勒和a . Warden-Flood”电路类治疗与个人在住院期间中风康复理疗会话:对照试验,”物理医学与康复档案,卷88,不。8,955 - 963年,2007页。视图:出版商的网站|谷歌学术搜索
11. 美国Kuys, s·布劳尔和l . Ada“常规理疗不诱发中风后心肺训练效果,无论行走能力,”物理治疗研究国际,11卷,不。4、219 - 227年,2006页。视图:出版商的网站|谷歌学术搜索
12. A . Garcia-Rudolph k·吉波特,“数据挖掘的方法来识别认知NeuroRehabilitation范围在创伤性脑损伤患者中,“专家系统与应用程序第41卷。。11日,第5251 - 5238页,2014年。视图:出版商的网站|谷歌学术搜索
13. a . Naamad d·t·李,w l。许”,在最大空矩形问题”,离散应用数学,8卷,不。3、267 - 277年,1984页。视图:出版商的网站|谷歌学术搜索|MathSciNet
14. ai Rughani, t·s·m·杜蒙特z陆et al .,“使用人工神经网络来预测头部受伤的结果,“神经外科杂志》,卷113,不。3、585 - 590年,2010页。视图:出版商的网站|谷歌学术搜索
15. S.-Y。霁,r .史密斯,t .黄齐,k . Najarian”多层次的计算机辅助决策系统的比较分析创伤性损伤,”BMC医学信息学和决策,9卷,不。1,第二条,2009。视图:出版商的网站|谷歌学术搜索
16. 诉Kuralmani公元前彭日成,r . Joshi et al .,“混合预测模型结果对严重创伤性脑损伤,”杂志上的创伤,24卷,不。1,第146 - 136页,2007。视图:出版商的网站|谷歌学术搜索
17. m·l·埃尔·m·e·浮士德b·贝弗利和g . Demakis”认知康复后获得了脑损伤的有效性:整合复审导游et al。(2000、2005)系统评价,“神经心理学,23卷,不。1,热带病,2009页。视图:出版商的网站|谷歌学术搜索
18. j·怀特和t·哈特,“这是一个多黑盒;这是一个俄罗斯娃娃:定义康复治疗。”美国物理医学与康复杂志》上,卷82,不。8,639 - 652年,2003页。视图:出版商的网站|谷歌学术搜索
19. k·d·导游,d . m . Langenbahn c·布莱登et al .,“以证据为基础的认知康复:更新文献之回顾从2003年到2008年,“物理医学与康复档案,卷92,不。4、519 - 530年,2011页。视图:出版商的网站|谷歌学术搜索
20. k·吉波特和a . Garcia-Rudolph“Desarrollo de herramientas对位evaluar el resultado de las tecnologias aplicadas al proceso rehabilitador工厂化从de dos莫德罗concretos:病变Medular y端午脑Adquirido”Posibilidades de Aplicacion de Mineria de拿督对位el Descubrimiento de Conocimiento从de la Practica我们,通知de Evaluacion de Tecnologias疗养地,AATRM num。2006/11,帽6日计划(para el Sistema Nacional de Salud del Ministerio de Sanidad y Consumo,马德里,西班牙;d 'Avaluacio de Tecnologia通讯社的记者我Recerca Mediques,巴塞罗那,西班牙,2007年。视图:谷歌学术搜索
21. j·塞拉,j·l·Arcos a . Garcia-Rudolph a . Garcia-Molina t·罗伊和j·m·Tormos”认知获得脑损伤患者预后使用机器学习技术,”美国先进的国际会议上认知的认知技术和应用程序(13)IARIA,页108 - 113年,瓦伦西亚,西班牙,2013年。视图:谷歌学术搜索
22. a . Marcano-Cedeno p . Chausa a·加西亚·c·卡塞雷斯,j . m . Tormos和e·j·戈麦斯,“数据挖掘应用于认知康复患者的脑损伤,”专家系统与应用程序,40卷,不。4、1054 - 1060年,2013页。视图:出版商的网站|谷歌学术搜索
23. 诉Jagaroo,Neuroinformatics对神经心理学家施普林格,第1版,2009年版。
24. a . Dumitrescu和m .江”最大空axis-parallel盒中$n$点,”Algorithmica,卷66,不。2、225 - 248年,2013页。视图:出版商的网站|谷歌学术搜索|MathSciNet
25. b . Chazelle r . l . Drysdale d·t·李,“计算最大的矩形空,”暹罗杂志上计算,15卷,不。1,第315 - 300页,1986。视图:出版商的网站|谷歌学术搜索|MathSciNet
26. a . Aggarwal和苏瑞,“快速算法计算最大空矩形,”《第三届研讨会上计算几何滑铁卢,页278 - 290年,加拿大,1987年6月。视图:谷歌学术搜索
27. m·麦肯纳,j . O’rourke和苏瑞,“找到最大的矩形正交多边形,”学报》第23届年度Allerton会议沟通,控制和计算乌尔班纳香槟,页486 - 495年,生病,美国,1985年10月。视图:谷歌学术搜索
28. h·s·贝尔德,s·e·琼斯和s . j .财富“shape-directed涵盖了图像分割,”第十届国际会议模式识别学报》上,1卷,第825 - 820页,1990年6月。视图:谷歌学术搜索
29. j·埃德蒙兹,j . Gryz d .梁,r·j·米勒“矿业在大型数据集的空地,“理论计算机科学,卷296,不。3、435 - 452年,2003页。视图:出版商的网站|谷歌学术搜索|MathSciNet
30. j·奥古斯汀,s Das, a . Maheshwari s c . Nandy s罗伊和s . Sarvattomananda”最大的空圆和矩形axis-parallel识别所需的位置,”,abs / 1004.0558 v2, 2010。视图:谷歌学术搜索
31. j . m . Tormos a . Garcia-Molina a·加西亚鲁道夫和t·罗伊”信息和通信技术在学习发展和康复,”国际期刊的综合护理,9卷,2009年。视图:谷歌学术搜索
32. 绿色和d . c . s . Bavelier”动作电子游戏的体验改变了视觉的空间分辨率,”心理科学,18卷,不。1,第94 - 88页,2007。视图:出版商的网站|谷歌学术搜索
33. m·d·莱扎克神经心理评估,牛津大学出版社,纽约,纽约,美国第3版,1995年版。
34. l . j . Trettin创伤性脑损伤后执行功能:抑郁症在性能的影响[博士。论文),太平洋的心理学研究生院,2007。

版权

版权©2015 Alejandro Garcia-Rudolph和卡琳娜吉波特。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。