使用加速度计和机器学习测量单边脑儿童的功能手动使用情况

科学领域:

• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术
• 儿科神经学 儿科神经学

背景情况:

• 单侧脑 (CP) 显著影响儿童的功能性手动使用.
• 需要客观和定量方法来评估日常活动中的手部功能.
• 当前的评估方法可能无法完全捕捉在自然主义任务中功能性手部使用的细微差别.

研究的目的:

• 为了研究可穿戴传感器的有效性,以测量单边CP的儿童的功能性手动使用.
• 将机器学习算法与传统活动计数方法进行比较,用于分析手功能数据.
• 为了确定使用加速度计用于量化监测手部使用的可行性.

主要方法:

• 收集了来自10名儿童的双手腕穿戴加速度计数据,这些儿童在游戏期间患有单边CP.
• 使用视频观察器标记功能和非功能手动使用实例.
• 机器学习模型与活动计数方法进行了比较,用于分类手动.

主要成果:

• 在单独训练时,表现最好的机器学习模型实现了高精度和回忆 (F1=0.896),与视频观测有很强的相关性 (r=0.990).
• 个性化的机器学习模型与专家视频分析显示出显著的相关性和强烈的一致性.
• 在一个离开一个主体的验证中,性能显著下降 (F1=0.584),表明需要强大的个性化.
• 活动计数方法未能区分功能和非功能手动使用,并且与视频观测没有显著的相关性.

结论:

• 穿戴式加速度计与机器学习相结合,有可能对单方面CP的儿童的功能手部使用进行定量监测.
• 需要进一步开发,以提高机器学习模型的通用性.
• 传统的活动计数方法不足以区分这个人群中的功能和非功能手动使用.