通过坐立运动期间的关键姿势信息预测老年人功能衰退的可行性

科学领域:

• 老年学是一门学科.
• 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:

• 早期发现老年人的功能衰退对于及时干预至关重要.
• 日托中心是监测老年人的健康的关键设置.
• 识别移动性的微妙变化可以预测未来的健康问题.

研究的目的:

• 开发一种使用图像识别的预测模型,用于分析老年人在坐立 (STS) 动作中的姿势.
• 评估使用姿势分析用于早期检测功能衰退的可行性.
• 研究机器学习在老年人移动性评估中的潜力.

主要方法:

• 66名参与者 (24名男性,42名女性) 参与了一项观察性研究.
• 一个基于区域的卷积神经网络分析了STS期间的姿势关键点.
• 计算了代表运动曲线特征的七个固有值,并用于构建机器学习模型.

主要成果:

• 在不同参与者群体,STS模式和补偿策略之间观察到运动曲线固有值的显著差异 (p < 0.05).
• 机器学习模型在能力检测方面达到85%的准确率,在补偿策略检测方面达到85%.
• 该模型在检测不同的STS模式时显示了70%的准确性.

结论:

• 从姿势分析中获得的自身价值可以有效地检测不同能力的个体中的STS模式和补偿策略.
• 开发的机器学习模型在监测老年人的功能状态方面表现出卓越的预测准确性.
• 这种方法为廉价,有效的系统提供了潜力,以持续监测老年人是否有功能衰退的早期迹象.