强大的基于深度学习的跨越各种病理的步态事件检测
Bernhard Dumphart1,2,3, Djordje Slijepcevic4, Matthias Zeppelzauer4
1Center for Digital Health & Social Innovation, St. Pölten University of Applied Sciences, St. Pölten, Austria.
PloS one
|August 11, 2023
概括
一个新的深度学习算法IntellEvent,准确地检测步态事件,如初始接触和3D步态分析中的脚走. 这种方法在各种病理中是强大的,并且优于现有的方法.
科学领域:
- 生物力学 生物力学
- 医疗技术 医疗技术 医学技术
- 机器学习 机器学习
背景情况:
- 准确估计步态事件对于3D步态分析 (3DGA) 是至关重要的.
- 手动事件检测是耗时且主观的.
- 自动化算法缺乏标准化,并且在病理学上的准确性各不相同.
研究的目的:
- 介绍IntellEvent,一个新的深度学习算法,用于准确和强大的步态事件检测.
- 为了解决3DGA当前手动和自动化方法的局限性.
主要方法:
- 使用了1211名患有多种病理的患者和61名健康对照的回顾性临床3DGA数据集.
- 使用长短期记忆 (LSTM) 开发了一个循环神经网络架构.
- 在3D位置和速度数据上训练模型,以预测初始接触 (IC) 和脱足 (FO) 事件.
主要成果:
- 智能仪表表现出高精度,检测IC事件在5.4毫秒内 (≥99%的检测率),FO事件在11.3毫秒内 (≥95%的检测率).
- 超过了最先进的启发式方法和DeepEvent机器学习方法.
- 一般化测试表明,由于实验室设置变化和捕获频率,可能存在挑战.
结论:
- IntelliEvent为3DGA提供了自动步行事件检测的重大进展.
- 该算法在多种下肢病理中显示出高精度和稳定性.
- 需要进一步的研究,以确保在不同的实验室环境中实现泛化.
