新研究表明青年足球的脑部影响

新研究表明青年足球的脑部影响
在这项对青少年足球运动员的研究中,研究了大脑默认模式网络(DMN)子成分的例子。信贷:RSNA

根据在达拉斯和WINSTON-SALEM的达拉斯和Wake Forest Counts大学的UT Southwestern Medical Center的两项新的研究,举行脑震荡和高冲击历史的脑震荡和高影响力的历史,脑卒中历史上的脑卒中脑势变化发生在达尔斯顿塞勒姆的苏醒和森林大学。北美放射学会会议(RSNA)。

这两项研究都分析了默认模式网络(DMN),即在清醒休息时活跃的大脑区域网络。在精神障碍患者中观察到DMN的变化。网络内连接性下降还与

“DMN存在于大脑的深灰质地区,”伊丽莎白M. Davenport,Ph.D.是UT Sourtonern的o'Donnell大脑研究所的先进神经科学成像研究(ANSIR)实验室的博士后研究员。“它包括当我们醒来并参与内省或加工情绪时激活的结构,这是对大脑健康重要的活动。”

在第一项研究中,研究人员在没有脑震荡历史上学习青年足球运动员,以识别对DMN的重复次生影响的影响。

“在一个季节的足球,球员暴露于众多的脑袋。绝大多数这些都不会导致脑震荡,”Gowtham Krishnan Murugesan说,博士说。生物医学工程和Ansir实验室成员的学生。“这项工作增加了一个越来越多的文学体,表明子震源头部影响可能对大脑产生影响。这是青年和高中的高度被解读的地区。”

在这项研究中,26名年轻的足球运动员(年龄9-13岁)在整个足球赛季中都配备了头部撞击遥测系统(HITS)。撞击头盔内衬有加速度计或传感器,可以测量撞击头部的大小、位置和方向。头盔上的撞击数据被用来计算每个球员接触脑震荡的风险。

玩家同样分为高震荡暴露组。没有被排除脑脑历史的球员。建立了第三组非联系运动控制。休息前和季后休息功能MRI(FMRI)扫描在所有玩家和控制上进行,分析了DMN子组分内的连接。

研究人员使用机器学习来分析FMRI数据。机器学习是一种人工智能,允许计算机基于现有数据关系进行分析。

“机器学习有很多增加我们的研究,因为它给了我们一个新的视角和分析数据内的复杂关系的能力,”穆鲁格斯坦说。“我们的结果表明,随着头部冲击暴露的增加,大脑的功能变化越来越多。”

五种机器学习分类算法用于预测球员是否在高曝光,低暴露或非接触基础上基于FMRI结果。该算法在高冲击暴露和不接触的算法与82%的精度,低抗冲击暴露和非接触性,与70%的准确度。结果表明,随着头部冲击暴露的增加,功能变化越来越多。

“在这个年龄段,这些青少年运动员的大脑正在快速成熟。这项研究表明,在青少年水平上进行一个赛季的接触性运动可以产生大脑神经成像的变化,特别是对DMN来说,”Murugesan说。

在第二项研究中,20名高中橄榄球运动员(平均年龄16.9岁)一个赛季都戴着带有HITS的头盔。在这20名球员中,5人至少经历过一次脑震荡,15人没有脑震荡病史。

在本赛季之前和之后,球员经历了八分钟的磁性脑图(MEG)扫描,其记录和分析了脑活动产生的磁场。然后研究人员分析了与DMN的八个脑区域相关的MEG电力。

季后赛,五位震荡历史的球员在DMN地区之间的连通性显着降低。平均而言,没有脑震荡历史的球员可以增加DMN连接。

结果表明,前几年的脑震荡可能影响当前季节中大脑中发生的变化,这表明脑函数影响脑功能的纵向效应。

“大脑的由于之前的脑震荡造成了不同的变化,”达文波特博士说。“以前似乎能让大脑做好额外变化的准备。脑震荡病史可能会影响弥补次要影响的能力。“

两名研究人员都说,有更大的数据集,纵向研究跟踪年轻同时需要结合脑磁图和功能磁共振成像的研究来更好地理解涉及脑震荡的复杂因素。


进一步探索

足球位置和游戏的长度影响脑撞击

由...提供北美放射学会
引用:新的研究表明青少年足球对大脑的影响(2017年11月27日),2021年5月3日从//www.puressens.com/news/2017-11-brain-impact-youth-football.html检索
此文件受版权保护。除作私人学习或研究之公平交易外,未经书面许可,任何部分不得转载。本内容仅供参考之用。
197股票

反馈到编辑

用户评论