用机器学习算法预测手腕道综合征,使用人类计量和基于力量的测量算法
Mehmet Yetiş1, Hikmet Kocaman2, Mehmet Canlı3
1Department of Orthopedics and Traumatology, Faculty of Medicine, Kırşehir Ahi Evran University, Kırşehir, Turkey.
PloS one
|April 17, 2024
概括
机器学习模型使用手的测量和握力准确地预测手综合征 (CTS). 关键指标包括手腕周长,手宽和握力,有助于临床预测.
科学领域:
- 整形外科和运动医学
- 神经学 神经学
- 生物医学工程 生物医学工程
背景情况:
- 手腕道综合征 (CTS) 是最常见的上肢神经陷.
- 它的病因是多因素的,涉及各种风险因素.
研究的目的:
- 评估人体测量手的测量,握力和力作为CTS的预测指标.
- 应用机器学习技术用于CTS预测.
主要方法:
- 通过电生理学证实56名CTS患者与56名健康对照进行了比较.
- 使用数字口径,动力计和针度计进行测量.
- 应用了四个机器学习算法,其中包括参数调整和交叉验证.
主要成果:
- 随机森林 (89.47%准确率) 和XGBoost (86.84%准确率) 是表现最好的算法.
- 确定了关键的预测变量:手腕周长,手的宽度,握力的强度,尖端的捏,关键的捏和中指的长度.
结论:
- 手腕周长,手的宽度,握力和特定的力都是可靠的CTS指标.
- 开发的机器学习模型和识别的变量可以提高医疗保健专业人员的CTS预测准确度.
