STRIDE:用于ADRD风险评估的系统雷达情报分析,使用步行符号模拟和深度学习进行风险评估

科学领域:

• 生物医学工程 生物医学工程
• 人工智能的人工智能
• 神经科学是一个神经科学.

背景情况:

• 异常步行是阿尔茨海默病 (AD) 和与AD相关的痴呆症 (ADRD) 的关键非认知生物标志物.
• 早期发现ADRD对于及时干预和管理至关重要.
• 非可穿戴技术为不引人注目的患者监控提供了潜力.

研究的目的:

• 设计STRIDE,一个集成微多普勒雷达和AI用于ADRD风险评估的系统.
• 开发和验证深度学习 (DL) 分类框架,用于行走特征分析.
• 为了证明使用基于雷达的步态分析用于早期ADRD风险评估的可行性.

主要方法:

• 使用人类行走和微多普勒雷达模拟模型开发一个STRIDE"数字双胞胎".
• 在使用已确定的行走参数的情况下,在各种条件下模拟ADRD个体.
• 通过使用电磁散射和多普勒转移模型,从模拟的步态生成微多普勒信号.
• 应用带依赖DL框架用于ADRD风险预测.

主要成果:

• 通过模拟成功生成了一个全面的步态签名数据集.
• 证明DL框架在预测ADRD风险方面的有效性.
• 通过步态分析验证STRIDE用于评估ADRD风险的可行性.

结论:

• 集成微多普勒雷达和人工智能的STRIDE是ADRD风险评估的可行方法.
• 开发的DL框架在分析步行特征以预测风险方面表现出有效性.
• 这种非可穿戴技术具有早期,非侵入性检测ADRD的潜力.