｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2023,12,1]]，“date time”：“2023-12-01T13:38:17Z”，“timestamp”：1701437897253｝，“reference count”：29，“publisher”：“Springer Science and Business Media LLC”，“issue”：“1”，“license”：[｛“start”：｛“date parts”：[[2022,8,1]，“date time”：“2022-08-0100:00:00Z”，“timestamp”：1659312000000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0”}，{“start”：{“date-parts”：[[2022,8,1]]，“date-time”：“2022-08-01T00:00:00Z”，“timetamp”：1.65931200000}、“content-version”：“vor”，“delay-in-days”：“0，”URL“https:\\/creativecommons.org\/licenses\/by\/4.0“}]，“出资人”：[{“DOI”：“10.13039\/100000001”，“名称”：“国家科学基金会”，“doi-asserted-by”：“出版商”，“奖项”：[“1837985”，“2014003”，“1837985]}]，“内容域”：{“域”：[”link.springer.com“]，“交叉标记限制”：false}，“短容器标签”：[）BMC Med Inform Decis Mak“]，”published-print“：{”date-parts“：[2022,12]}，”摘要“：”摘要<\/jats:title>\n个背景<\/jats:title>\n创伤性脑损伤（TBI）是一种具有潜在严重长期并发症的常见疾病，其预测仍具有挑战性。机器学习（ML）方法以前曾被用于帮助医生预测TBI的长期结果，以便采取适当的治疗计划。然而，许多ML技术都是“黑盒子”：人类很难理解模型所做的决策，事后解释只识别孤立的相关因素，而不是因素的组合。此外，此类模型通常依赖于许多变量，其中一些变量在住院时可能不可用<\/jats:p>\n<\/jats:sec>\n个方法<\/jats:title>\n在本研究中，我们应用基于热带几何学的可解释神经网络模型，根据入院时的可用信息，预测TBI患者入院六个月后的不良结果<\/jats:p>\n<\/jats:sec>\n个结果<\/jats:title>\n将所提方法与已建立的机器学习方法\u2014XGBoost、Random Forest和SVM\u2014进行比较，所提方法在接收器工作特性曲线（AUC）下的面积\u20140.799方面取得了可比性能，而最佳黑盒模型为0.810。此外，所提出的方法允许提取简单的、人类可理解的规则来解释模型\u2019的预测，并可作为临床医生告知治疗决策的通用指南<\/jats:p>\n<\/jats:sec>\n个结论<\/jats:title>\n该模型的分类结果与传统ML方法的分类结果具有可比性。然而，我们的模型是可解释的，它允许提取可理解的规则。这些规则可用于确定评估TBI结果的相关因素，也可用于不知道所有必要因素的情况下，以告知整个模型的决策<\/jats:p>\n<\\/jats:sec>“，”DOI“：”10.1186\\s12911-022-01953-z“，”type“：”期刊文章“，”created“：｛”日期部分“：[[2022,8,1]，”日期时间“：”2022-08-01T06:02:48Z“，”时间戳“：1659333768000｝，”更新策略“：”http:\/\/dx.DOI.org/10.1007\\/springer_crosmark_policy“，”source“：”Crossref“，”由count引用“：3，”title“：[”创伤性脑损伤预后预测的可解释神经网络”]，“前缀”：“10.1186”，“卷”：“22”，“作者”：[{“给定”：“克里斯蒂安”，“家庭”：“米诺切里”，“序列”：“第一”，“从属关系”：[]}，{“已知”：“克雷格A.”，“家族”：“威廉姆森”，“顺序”：“附加”，“附属关系”：[]}affiliation“：[]}，{”given“：”Kevin“，”family“：”Ward“，”sequence“：”additional“，”affiliance“：[]}，“given”：“Erica B.”，“family”：“Stein”，“sequence”：“additional”，“affiliationation”：[]{”fixed“：”Jonathan“，从属关系“：[]}]，”成员“：”297“，”published-online“：{“date-parts”：[[2022,8,1]]}，“reference”：[{“key”：“1953_CR1”，“doi-asserted-by”：“publisher”，《首页》：“44”，《doi》：“10.1186\/s13049-020-00738-5”，《卷》：“28”，《作者》：“A Abujabe”，《年份》：“2020”，《非结构化》：“Abujaber A，et al。使用国家创伤登记和机器学习方法预测创伤后脑损伤患者的住院死亡率。Scand J创伤恢复急救医学杂志，2020年；28:44.“，”journal-title“：”Scand J Trauma Resusc Emerg Med“}，{”key“：”1953_CR2“，”doi-asserted-by“：”publisher“，”first page“：“1366”，”doi“：”10.3389\/fneur.2019.01366“，”volume“:”10“，”author“：”RL Amorim“，”year“：”2020“，”unstructured“：”Amorim RL，et al。在LMIC人群中使用机器学习方法预测早期TBI死亡率。前神经病学。2020;10:1366.“，”journal-title“：”Front Neurol“}，{”key“：”1953_CR3“，”doi-asserted-by“：”publisher“，”first page“：“18”，“doi”：“10.1186\/s12883-019-1246-1”，“volume”：“19”，“author”：“P Bangirana”，“year”：“2019”，“unstructured”：“Bangirana-P，Giordani B，Kobusingye O，et al.”。乌干达创伤性脑损伤模式和六个月的神经心理学结果。BMC神经。2019;19:18.“，”journal-title“：”BMC-Neurol“}，{”key“：”1953_CR4“，”doi-asserted-by“：”publisher“，”first page“：“766”，”doi“：”10.1212 \/WNL.56.6766“，”volume“：56”，”author“：”K Becker“，”year“：”2001“，”unstructured“：”Becker K，et al.脑出血支持的撤回可能导致自我实现的预言.Neurology.2001；56:766\u201372.“，”journal-title“：“神经病学”}，{“key”：“1953_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Farzaneh N，Williamson CA，Gryak J，Najarian K。临床决策支持系统的分层专家引导机器学习框架：创伤性脑损伤预测应用。npj Digit.Med.2021；4:78.”，“doi”：“10.1038\\s41746-021-00445-0“}，{“key”：“1953_CR6”，“doi asserted by”：“crossref”，“nonstructured”：“Faul M，Xu L，Wald MM，Coronado VG.美国创伤性脑损伤：2002年至2006年急诊科就诊、住院和死亡。https:\/\/www.cdc.gov\/traumaticbraininjury\/pdf\/bluebook.pdf，2010.“，“DOI”：“10.15620\/cdc.5571”}，{“issue”：“13\u201314”，“key”：“1953_CR7”，“DOI-asserted-by”：“publisher”，“first page”：《1606》，“DOI:”10.3109\/02699052.2013.831127“，”volume“：”27“，“author”：“TG Finnanger”，“year”：“2013”，“unstructured”“：”Finnanger TG等人。重度和中度脑外伤12个月后认知功能障碍的不同类型。脑注射。2013;27（13\u201314）：1606\u201316.“，”新闻标题“：”脑注射。“}，{”key“：“1953_CR8”，”doi-asserted-by“：”publisher“，”first page“：”515“，”doi“：”10.1016\/S1474-4422（14“key”：“1953_CR9”，“doi-asserted-by“：”publisher“，”first-page“：”95“，”doi“：”10.1016\/j.jclinepi.2020.30.05“，”volume“：”122“，”author“：”by Gravestijn“，”year“：”2020“，”unstructured“：”Gravesteijn by等。机器学习算法在预测创伤性脑损伤方面的表现并不比回归模型好。临床流行病学杂志。2020;122:95\u2013107.“，“journal-title”：“临床流行病学杂志”}，{“issue”：“11”，“key”：“1953_CR10”，“doi-asserted-by”：“publisher”，“first-page”：“1144”，“doi”：“10.3390\/jpm1111144”、“volume”：”11“，”author“：”S-D Hsu“，”year“2021”，“unstructured”：“Hsu S-D，et al。机器学习算法预测创伤性脑损伤患者的住院死亡率。《医学杂志》2021；11（11）：1144.“，”journal-title“：”J Person Med“}，{”key“：”1953_CR11“，”doi-asserted-by“：”publisher“，”first-page“：”1025“，”doi“：”10.1089\/neu.2005.22.1025“，“volume”：“22”，“author”：“CW Hukkelhoven”，“year”：“2005”，“unstructured”：“Hukkeloven CW，et al。预测创伤性脑损伤后的预后：基于入院特征的预后评分的制定和验证。神经创伤杂志。2005;22:1025\u201339.“，”journal-title“：”J Neuroturary“}，{”issue“：”3“，”key“：”1953_CR12“，”doi-asserted-by“：”publisher“，”first page“：“665”，”doi“：”10.1109\/21.256541“，”volument“：”23“，”author“：”J-SR Jang“，”year“：”1993“，”unstructured“：”Jang J-SR.ANFIS:adaptive-network-based fuzzy inference system.IEEE Trans-Syst Man Cybern.1993；23（3）：665\u201385.“，”journal-title“：”IEEE Trans-Syst Man Cybern“}，{”key“：”1953_CR13“，”doi-asserted-by“：”publisher“，”first page“：“20”，“doi”：“10.4103\/0976-3147.193543”，“volume”：“8”，“author”：“M Majdan”，“year”：“2017”，“unstructured”：“Majdam，Brazinova A，Rusnak M，Leitgeb J。创伤性脑损伤后的预后预测：常规使用的严重程度评分和多变量预后模型的性能比较。《农村神经科学实践杂志》。2017;8:20.“，”journal-title“：”J Neurosci Rural Pract“}，{“key”：“1953_CR14”，“doi-asserted-by”：“publisher”，“first-page:”202“，“doi”：“10.1089\/neu.2018.6276”，“volume”：”37“，“author”：“K Matsuo”，“year”：“2010”，“unstructured”：“Matsuo K，et al.机器学习预测创伤性脑损伤后院内发病率和死亡率。神经创伤杂志，2010；37:202\u201310.“，”journal-title“：《神经创伤杂志》}，{“key”：“1953_CR15”，“doi-asserted-by”：“publisher”，“首页”：“477”，“doi”：“10.1038”，nrneul.2016.89“，”volume“：”12“，”author“：”T McMillan“，”year“2016”，“unstructured”：“McMillanT，et al.格拉斯哥结果量表40年的应用和完善。Nat Rev Neurol.2016；12:477\u201385。“，”journal-title“：”Nat Rev Neurol“}，{“key”：“1953_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Moore N，Brennan P，Baillie J.2019年专家临床医生对脑损伤后预后的认知中的广泛变异和系统偏见。英国神经外科杂志，2013年；27:340\u20133.”，“doi”：“10.3109\/0268869.2012.754402”}，“key“：”1953_CR17“，“首页”：“11”，“卷”：“13”，“作者”：“C-S Rau”，“年份”：“2018年”，“非结构化”：“Rau C-S，等。使用机器学习模型预测孤立性中重度创伤性脑损伤患者的死亡率。《公共科学图书馆·综合》。2018;13:11.“，”journal-title“：”PLoS ONE“}，{”key“：”1953_CR18“，”doi-asserted-by“：”publisher“，”first page“：“13”，”doi“：”10.1097\/SLA.0000000000 600“，”volume“：{“key”：“1953_CR19”，“doi-asserted-by“：”publisher“，”first page“：”32“，”doi“：”10.1186\/s12873-016-0098-x“，”volume“：“16”，”author“：”S Rizol“，”year“：”2016“，”unstructured“：”Rizoli S，et al.严重创伤性脑损伤后早期预后预测：一个简单实用的模型。BMC Emerg Med.2016；16:32.”，“期刊标题”：“BMC Emerg-Med”}，{“key”：“1953_CR20”，“doi断言”：“crossref”，“非结构化”：“Stulemeijer M，van der Werf S，Borm GF，Vos PE。轻度创伤性脑损伤后6个月良好恢复的早期预测。《神经外科精神病学杂志》2008；79（8）”，“doi”：“10.1136\/jnnp.2007.131250”}，{“key”：“1953_CR21”，“doi-asserted-by“：”crossref“，”unstructured“：”Takagi T和Sugeno M.系统的模糊识别及其在建模和控制中的应用。IEEE Trans Syst Man Cybern公司。1985;15（1）：116\u2013132。“，”DOI“：”10.1109\/TSMC.1985.6313399“}，{”key“：”1953_CR22“，”DOI-asserted-by“：”publisher“，”first page“：“81”，“DOI”：“10.1016\/S0140-6736（74）91639-0”，“volume”：“304”，“author”：“G Teasdale”，“year”：“1974”，“unstructured”：“Teasdael G，Jennett B.昏迷和意识障碍评估：实用量表。《柳叶刀》1974；304:81\u20134。”，“新闻标题”：“柳叶刀“}，{“issue”：“1”，“key”：“1953_CR23”，“doi-asserted-by”：“publisher”，“first page”：《234》，“doi”：“10.3171\/2017.3.JNS162720”，《volume》：“129”，，“author”：“A Vedantam”，“year”：“2018”，“unstructured”：“Vedantam-A，Robertson CS，Gopinath SP。重型颅脑损伤后6个月预后良好的患者的临床特征和恢复时间特征。神经外科杂志，2018年；129（1）：234\u201340.“，”journal-title“：”Neurosurg“}，{“key”：“1953_CR24”，“doi-asserted-by”：“crossref”，“unstructured”：“Voormolen DC，et al.损伤后三个月和六个月复杂和非复杂轻度创伤性脑损伤的预后：来自CENTER-TBI研究的结果.临床医学杂志2020；9（5）.“，”doi“：”10.3390\/jcm9051525“}1953_CR25“，”doi-asserted-by“：”publisher“，”first page“：”2457“，”doi“：”10.1056\/NEJMoa1404304“，”volume“：“371”，”author“：”DW Wright“，”year“：”2014“，”unstructured“：”Wright DW，et al.急性创伤性脑损伤早期应用孕酮。《N Engl J Med.2014》；371:2457\u201366.“，”journal-title“：”N Engl J Med“}，{”key“：”1953_CR26“，”first page“：“995”，“volume”：“2019”，”author“：”H Yao“，”year“：”2019“，”unstructured“：”Yao H等。使用模糊神经网络为晚期心力衰竭患者提供临床决策支持。IEEE Int-Conf Bioinf Biomed（BIBM）。2019；2019:995\u20139.“，”journal-ttitle“：“IEEE Int Conf Bioinf Biomed（BIBM）“}，{“key”：“1953_CR27”，“nonstructured”：“Yao H，et al.一种新的基于热带几何的可解释机器学习方法：在晚期心力衰竭预后中的应用。预印本，2021。”}，{“key”：“1953_CR28”，“doi asserted by”：“publisher”，“first page”：“407”，“doi”：“10.1007\/BF000485052”，“volume”：“30”，“author”：“LA Zadeh”，“年份”：“1975年”，“非结构化”：“Zadeh-LA。模糊逻辑和近似推理。合成。1975;30:407\u201328.“，“journal-title”：“Synthese”}，{“key”：“1953_CR29”，“unstructured”：“Zhang L，Naitzat G，Lim L-H.深度神经网络的热带几何学。In：2018年第35届国际机器学习会议论文集；80:5824\u20135832.”}]，“container-title“：[”BMC Medical Informatics and Decision Making“]，“original-tittle”：[]，“language”：“en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1186\/s12911-022-01953-z.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL:“https:\//link.springer\com/article\/10.1186 \/s12911-022-01953-z\/fulltext.html“，”内容类型“：”文本\/html“，”content-vhtml版本“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1186\/s12911-022-01953-z.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2022,8,1]]，“date-time”：”2022-08-01T06:02:57Z“timestamp”：1659333777000}，“分数”：1，“资源”：{primary“：{”URL“：”https:\/\/bmcmedinformdecismak.biomedcentral.com/articles\/10.1186\/s12911-022-01953-z“}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期部分”：[2022,8,1]]}，”references-count“：29，”journal-issue“：”{“问题”：“1”，“published-print”：{“日期部分“：[2022,12]]}}”，“alternative-id”：[“1953”]，“URL”：“http:\/\/dx.doi.org\/10.1186\/s12911-022-01953-z“，”关系“：{}，”ISSN“：[”1472-6947“]，”ISSN-type“：[{”value“：”1472-647“，”type“:”电子“}]，”主题“：[]，”发布“：{”date-parts“：[2022,8,1]]}，“断言”:[{“value”：“2022年5月12日”，“订单”：1，“名称”：“已接收”，“标签”：“接收”，“group”：{“name”：“ArticleHistory”，“label”：“文章历史”}}，{“value”：“2022年7月21日“，”订单“：2，”名称“：”已接受“，”标签“：”接受“，“组”：{“名称”：“文章历史”，“标签”：“论文历史”}}，{“值”：“2022年8月1日”，“订单”：3，”名称：“first_online”，“label”：“first online”，”组“：{”名称“:”文章历史“，”label“：”文章历史ing“，”label“：”声明“}}，{“value”：“本研究由密歇根大学机构审查委员会（IRBMED）批准，申请号为HUM00098656。密歇根大学机构审查委员会（IRBMED）放弃了患者的书面知情同意书，因为这项研究对受试者的风险仅为最低。所有方法均按照相关指南和法规进行。“，”order“：2，”name“：”Ethics“，”group“：{”name“:”EthicsHeading“，”label“：”伦理批准和参与同意“}}，{”value“：”不适用。“，”订单“：3，”name”：“伦理”，“group”：{乔纳森·格里亚克（Jonathan Gryak）和凯文·纳贾里安（Kayvan Najarian）是本研究中使用的基于热带几何形状的模糊神经网络相关专利申请的发明人。所有其他作者均声明没有利益冲突。“，”order“：4，”name“：”Ethics“，”group“：{”name“:”EthicsHeading“，”label“：”Competiting interestions“}}]，”article-number“：”203“}}