使用人工智能对患有步态障碍的患者进行定量步态分析和预测
Nawel Ben Chaabane1,2, Pierre-Henri Conze3,4, Mathieu Lempereur3,5,6
1LaTIM UMR 1101 Laboratory, Inserm, Brest, France. nawel.ben-chaabane@inserm.fr.
Scientific reports
|December 28, 2023
概括
这项研究引入了一种人工智能,使用定量步行分析 (QGA) 的动态数据来预测步行质量变化. 人工智能实现了超过0.72AUC,为步态障碍进展预测提供了一种新的方法.
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
- 临床生物力学 临床生物力学
背景情况:
- 定量步态分析 (QGA) 提供客观的步态表现指标.
- 预测步行质量进展对于管理步行障碍至关重要.
- 目前用于预测步行进展的方法需要改进.
研究的目的:
- 设计一个人工智能 (AI) 系统来预测步行质量进展.
- 为了利用QGA的动态数据进行步态预测.
- 建立一种新的AI驱动的步态分析方法.
主要方法:
- 使用了734名患有步行障碍的患者的步行数据库.
- 来自QGA的动态数据被处理,以生成步行形状得分 (GPS).
- 开发了两种AI方法:基于信号 (原始步态周期) 和基于图像 (2D FFT步态周期).
主要成果:
- 基于信号和基于图像的AI方法都实现了曲线下的面积 (AUC) 超过0.72.
- 人工智能模型在预测步行质量变化方面表现出了效率.
- 这代表了神经网络用于步态预测的首次应用.
结论:
- 人工智能,特别是神经网络,可以有效地使用QGA数据预测步行质量进展.
- 开发的AI模型为监测和管理步行障碍提供了一个有希望的工具.
- 这项研究开创了人工智能驱动的步态预测,增强了临床生物力学应用.
