相关实验视频
Updated: Jul 9, 2025
04:46
Rat Model of Adhesive Capsulitis of the Shoulder
Published on: September 28, 2018
7.4K
在组装工人中,使用基于支矢量机器的肩膀运动范围和肌肉力量来预测部疼痛综合征的预测模型
Jun-Hee Kim1, Oh-Yun Kwon2, Ui-Jae Hwang1
1Laboratory of KEMA AI Research (KAIR), Department of Physical Therapy, College of Software and Digital Healthcare Convergence, Yonsei University, Wonju, South Korea.
Ergonomics
|December 1, 2023
概括
一个机器学习模型使用肩部运动范围 (ROM) 和肌肉强度数据准确地预测装配工人的亚骨疼痛综合征 (SAPS). 这种工具有助于通过有针对性的练习计划在SAPS早期分类和预防.
科学领域:
- 整形外科 整形外科 整形外科
- 肌肉骨系统疾病 肌肉骨系统疾病
- 医疗保健中的机器学习
背景情况:
- 脑下疼痛综合征 (SAPS) 是一个普遍的上肢肌肉骨问题在劳动力.
- 早期发现和管理对于预防慢性残疾至关重要.
研究的目的:
- 开发和验证用于预测装配工人SAPS的机器学习模型.
- 为了确定SAPS分类的关键肩部运动范围 (ROM) 和肌肉力量指标.
主要方法:
- 使用肩部ROM和肌肉强度数据使用支向量机 (SVM) 模型.
- 转换重要性分析被用来确定显著的预测变量.
- 一个多项式支向量分类器 (SVC) 被实施用于分类.
主要成果:
- SVC多项式模型在用SAPS对工人进行分类时达到82.4%的准确率.
- 关键预测变量包括肩膀ROM的内部旋转和绑架,以及肩膀肌肉强度的内部旋转.
- 该模型使用现有的临床数据证明了SAPS分类的可行性.
结论:
- 一个机器学习模型有效地根据肩膀ROM和肌肉力量对装配工人进行SAPS分类.
- 已识别的变量为有针对性的干预提供了洞察力,例如炼和康复计划.
- 这种方法为职业环境中的SAPS管理和预防提供了一个实用的工具.
