在韩国老年人群中使用单任务和双任务步态预测中风,神经和运动障碍
Marco Recenti1, Paolo Gargiulo2, Milan Chang3
1Institute of Biomedical and Neural Engineering, Reykjavik University, Menntavegur 1, Reykjavik 102, Iceland; Department of Mechanical Engineering, Chonnam National University, 50 Daehak-ro, Yeosu, Jeonnam 550-749, South Korea.
Gait & posture
|July 29, 2023
概括
机器学习准确地使用步态分析对老年人中风和神经障碍进行分类. 结合单一和双重任务步行评估对于诊断和康复至关重要,单独的临床数据的表现优于临床数据.
科学领域:
- 生物医学工程 生物医学工程
- 老年学是指老年学的学科.
- 神经学 神经学
背景情况:
- 步态分析对于评估患有神经和运动障碍的老年人至关重要,包括中风幸存者.
- 机器学习 (ML) 在分析步态特征的临床诊断和康复方面表现有前途.
- 在这个人群中,了解单一与双重任务步行的作用是关键.
研究的目的:
- 用基于ML的步态分析对韩国老年人中风,神经和运动障碍进行分类.
- 为了确定单任务和认知双任务步行特征的相对重要性.
- 在这个分类任务中评估基于树的ML算法的有效性.
主要方法:
- 122名非住院的韩国老年人进行了单项和认知双重任务步态分析.
- 时间和空间步态特征以及临床数据被输入到基于树的ML算法中.
- 进行了十倍交叉验证和特征重要性分析.
主要成果:
- 随机森林在步态和神经疾病分类方面实现了>90%的准确性.
- 脑中风分类达到91.7%的准确性,并有92%的回忆.
- 特征的重要性显示了单一和双重任务特征之间的平衡,临床数据显示的意义较小.
结论:
- 对于老年人,特别是中风幸存者,强烈建议结合单一任务和双重任务的认知步态分析.
- 机器学习算法,特别是基于树的算法,非常擅长在生物医学环境中分析步态数据.
- 这些发现可以帮助医疗专业人员在运动和神经系统疾病的诊断,治疗和康复策略.
