用基于身体加速的模型诊断影响步态的疾病,使用反射标记数据进行训练,并使用可穿戴的加速度计进行实施
Mohammad Ali Takallou1, Farahnaz Fallahtafti2,3, Mahdi Hassan2,3
1Architectural Engineering Department, University of Nebraska-Lincoln, Omaha, NE, 68182, USA.
Scientific reports
|January 11, 2024
概括
这项研究表明,身体加速数据可以诊断外围动脉疾病 (PAD) 等步行疾病. 使用高级功能提取在实验室外使用可穿戴传感器验证时提高了准确性.
科学领域:
- 生物医学工程 生物医学工程
- 步态分析 步态分析
- 疾病诊断 疾病诊断
背景情况:
- 步行异常是各种疾病的早期指标.
- 传统的步态分析依赖于基于实验室的运动捕捉系统.
- 可穿戴式传感器为现实世界诊断提供了潜在的潜力.
研究的目的:
- 评估一个用于处理身体加速数据的框架,用于早期疾病诊断.
- 评估框架在识别外围动脉疾病 (PAD) 中的实用性.
- 为了比较使用实验室标记数据与可穿戴加速计数据的诊断准确性.
主要方法:
- 开发了一个框架,使用来自反射标记器和可穿戴加速度计的身体加速度数据.
- 训练使用标记数据的诊断模型,并用可穿戴传感器数据验证它们.
- 采用原始加速数据和提取的特征用于模型培训和验证.
主要成果:
- 在原始的十字标记数据上训练的模型在PAD检测中实现了92%的准确性.
- 使用腰部穿戴的加速度计进行验证,原始数据的精度降至28%.
- 使用提取的特征将验证准确度提高到60% (从标记数据的86%).
结论:
- 身体加速数据处理为早期疾病检测提供了一个有前途的方法,特别是对于影响步态的疾病.
- 从加速数据中提取特征可以显著提高使用可穿戴传感器时的诊断准确性.
- 该框架展示了在临床环境之外进行非侵入性,可访问的PAD诊断的潜力.
