基于卷积神经网络和有限元法的棍棒类钝器致脑损伤评价方法研究EI北大核心CSCD

有限元法作为研究钝器致颅脑损伤机制的新方法,存在耗时长、专业性强等技术壁垒,影响其推广应用。基于此,本研究提出了一种基于卷积神经网络和有限元方法的棍棒类钝器致颅脑损伤的快速量化评价方法。该方法以有限元仿真中提取的棍棒类钝器速度曲线以及脑组织(大脑、胼胝体、小脑、脑干)最大主应变分别作为卷积神经网络的输入与输出参数,并通过十折交叉验证法训练并优化卷积神经网络,最终确定的卷积神经网络模型对大脑最大主应变预测结果的平均绝对误差(MAE)、均方误差(MSE)、拟合优度(R^(2))分别为0.084、0.014、0.92;对胼胝体最大主应变预测结果的MAE、MSE、R^(2)分别为0.062、0.007、0.90;对小脑及脑干最大主应变预测结果的MAE、MSE、R^(2)分别为0.075、0.011、0.94。预测结果显示,本研究开发的深度卷积神经网络,能够快速而准确地评估由棍棒类钝器打击引起的局部脑损伤,并对理解其造成的脑损伤与量化评价具有重要的应用价值。同时,该技术提高了计算效率,可为将当前基于加速度的脑损伤研究转变为关注局部脑组织损伤的研究提供依据。