用囊网络分析静态脚部压力数据:使用基于深度学习的方法诊断多发性硬化症患者的动力衰竭

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 多发性硬化症 (MS) 是一种慢性中枢神经系统疾病,其中一个具有挑战性的症状是动力衰竭.
• 在多发性硬化症中,心脏衰竭会损害平衡和协调,影响患者的流动性和生活质量.
• 目前的诊断依赖于扩展残疾状态量表 (EDSS),它可以是主观的,容易变化.

研究的目的:

• 开发和验证一种基于深度学习的方法,用于检测多发性硬化症患者的动力衰竭.
• 为了利用静态脚下压力数据作为一个客观的措施来评估动力衰竭.
• 研究囊网络 (CapsNet) 在分析多发性硬化症患者的步态和平衡障碍方面的有效性.

主要方法:

• 使用囊网络 (CapsNet),一个深度学习架构,用于数据分析.
• 利用从MS患者收集的静态脚下压力数据.
• 在CapsNet架构中实施了强大的动态路由机制.

主要成果:

• 实现了高性能指标:灵敏度 (96.34%),特异性 (98.11%),精度 (98.08%) 和准确性 (97.13%).
• 证明了深度学习方法的能力,使用脚部压力数据准确检测.
• 拟议的系统显示了临床应用的重大潜力.

结论:

• 使用静态脚下压力数据,CapsNet可以有效地检测MS患者的动性.
• 开发的系统提供了一个客观和可靠的工具,以帮助医生在症诊断.
• 这种自主系统可以在临床实践中作为MS管理的有价值的支持机制.