相关实验视频
Updated: Jul 12, 2025
04:23
The Creation of a Rat Model for Osteosarcopenia via Ovariectomy
Published on: February 21, 2025
339
用智能内和人工智能走路分析来对肌肉骨患者的肉类症分类模型
Shinjune Kim1, Hyeon Su Kim1, Jun-Il Yoo2
1Department of Biomedical Research Institute, Inha University Hospital, Incheon, South Korea.
Journal of cachexia, sarcopenia and muscle
|October 26, 2023
概括
这项研究介绍了人工智能驱动的智能内和构成估计,以客观地评估身体功能和肉眼. 这些先进技术为诊断和管理肌肉骨疾病提供了更准确,更可靠的方法.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 老年学是指老年学的学科.
背景情况:
- 身体功能,肌肉骨疾病和肉病有着复杂的关系.
- 当前的身体功能测试 (例如步行速度,椅子站) 是主观的.
- 具有惯性测量单元传感器和人工智能的智能设备正在出现,以克服这些局限性.
研究的目的:
- 开发和评估基于人工智能的分类模型,用于检测肉症.
- 为了比较智能内和姿势估计技术的有效性.
- 探索这些技术的整合,以提高诊断准确度.
主要方法:
- 利用智能内设备和基于人工智能的姿势估计.
- 采用随机森林 (RF),支持矢量机器和人工神经网络模型.
- 通过使用培训和测试数据集将83个个体分为对照组和肉症组.
主要成果:
- 仅靠姿势估计就能达到高精度 (0.92-0.96) 和F1分数 (0.94-0.97).
- 通过RF识别的关键变量包括"Hip_dif"",Ankle_dif"和"Hipankle_dif".
- 结合智能内和姿势估计数据,进一步提高了准确性 (0.80-1.00) 和F1分数 (0.73-1.00).
结论:
- 使用智能内和姿势估计的综合分类模型显示了显著的潜力.
- 射频模型表现出强的性能,尤其是"部"和"脚"变量.
- 先进的数字生物标志物和人工智能集成有望改善对诸如肉症等疾病的诊断和干预.
