基于机器学习和可穿戴设备,识别与放射性膝关节骨关节炎相关的动态脚部压力变化
Gege Li1,2, Shilin Li1,3, Junan Xie4
1Department of Rehabilitation Medicine, Zhujiang Hospital, Southern Medical University, Guangzhou, China.
Journal of neuroengineering and rehabilitation
|April 3, 2024
概括
动态脚下压力变化可以识别膝关节骨关节炎 (KOA). 可穿戴式传感器和机器学习为监测这种情况和指导治疗提供了一种新方法.
科学领域:
- 生物力学 生物力学
- 医学技术 医学技术 医学技术
- 机器学习 机器学习
背景情况:
- 膝关节骨关节炎 (KOA) 是一种退行性关节疾病,导致疼痛和步行异常.
- 放射学是KOA检测的标准,但有其局限性.
- 这项研究探讨了脚下压力变化作为放射性膝关节关节炎 (ROA) 的潜在生物标志物.
研究的目的:
- 为了识别与ROA相关的动态脚部压力变化.
- 使用机器学习算法验证这些变化.
- 探索KOA监测的非侵入性方法.
主要方法:
- 92名具有不同KOA程度的参与者使用Kellgren-Lawrence尺度进行了分类.
- 从可穿戴的鞋内系统收集了210个动态脚部压力特征,以及人口统计数据.
- 机器学习模型 (KNN,SVM,RF,AdaBoost,XGBoost) 通过过器和封装方法识别的最佳特征进行训练.
主要成果:
- 年龄,峰值足底压力 (左侧脚跟,右侧第二峰) 和压力中心 (右脚) 的标准偏差与ROA显著相关.
- 随机森林模型以82.61%的准确率和F1得分为0.8000的最佳表现.
- 特定的足部压力变化作为ROA的关键指标.
结论:
- 动态脚部压力变化是区分非ROA和ROA的有希望的机械生物标志物.
- 将可穿戴式内鞋系统与机器学习相集成,为动态KOA监控提供了一种方法.
- 这种方法可能有助于为膝关节骨关节炎制定个性化治疗计划.
