在日常生活中使用自主监督学习的手腕穿戴加速仪在老年人中自动步行检测数据:ElderNet的开发和验证

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:

• 渐进的步态障碍是老年人的一个重大问题,影响独立性和生活质量.
• 在日常活动中远程表型化步态为量化步态变化和评估干预措施提供了一个有希望的途径.
• 早期检测和监测步态变化对于预防老年人口的与流动性相关的残疾至关重要.

研究的目的:

• 开发和验证ElderNet,一种自主监督的学习模型,用于使用手腕穿戴的加速度计数据检测步态.
• 评估ElderNet在不同老年人群中的表现,包括那些有特定健康状况的人群.
• 评估ElderNet在老年人中远程表型化步行功能的潜力.

主要方法:

• 开发了ElderNet,这是一个自主监督的学习模型,利用来自手腕传感器的加速度计数据.
• 在两个队列中验证了ElderNet:超过1000名没有步态标签的参与者和83名具有标签数据的参与者.
• 包括患有帕金森病,近腰骨折,COPD,心力衰竭和健康对照的参与者.

主要成果:

• ElderNet实现了高精度 (96.43 ± 2.27),特异性 (98.87 ± 2.15),回忆 (82.32 ± 11.37),精度 (86.69 ± 17.61) 和F1得分 (82.92 ± 13.39).
• 在精度和F1得分 (p < 0.05) 方面表现优于两种最先进的步态检测算法.
• 通过确定与移动障碍和帕金森症相关的每日步行时间差异来证明构造有效性 (p < 0.001).

结论:

• 老年人网 (ElderNet) 在老年人的手腕加速度计数据中展示了自主监督步态检测的强大能力.
• 该模型显示了作为一种有价值的工具的潜力,用于在日常生活中远程表型化行走功能.
• 这项技术可以促进更好地理解和管理与衰老和各种临床条件相关的步态变化.