机器学习应用于脑麻和中风的步态分析数据:系统性审查
Farshad Samadi Kohnehshahri1, Andrea Merlo2, Davide Mazzoli2
1Department of Electronic and Information Engineering, University of Bologna, Italy; Gait and Motion Analysis Laboratory, Sol et Salus Hospital, Torre Pedrera, Rimini, Italy.
Gait & posture
|April 25, 2024
概括
机器学习用于脑和中风患者的步态分析显示出希望,但面临临临床翻译挑战. 未来的研究需要优先考虑临床相关性,数据代表性和可用于现实世界的解释性.
科学领域:
- 神经康复 神经康复 神经康复
- 生物医学工程 生物医学工程
- 在医疗保健中的数据科学.
背景情况:
- 大脑麻和中风是导致走路障碍的主要原因.
- 机器学习 (ML) 提供了分析患者步态数据的潜力.
- 目前的ML方法在有效的临床转化方面扎.
研究的目的:
- 确定阻碍ML在脑和中风的步态分析中临床应用的挑战.
- 为了解决将ML数据分析转化为临床实践中的差距.
主要方法:
- 对PubMed,科学网络,Scopus和IEEE数据库进行系统审查.
- 搜索进行到2023年2月23日.
- 提取了关于临床使用的适用性,可行性和可靠性的信息.
主要成果:
- 在4120项研究中,有63项符合纳入标准.
- 分析了监督 (31) 和无监督 (32) 的ML方法.
- 关键障碍包括缺少功能/算法理由,不代表性数据集和糟糕的解释性.
结论:
- 有许多ML方法用于步态数据集群.
- 临床意义和现实世界的适用性仍然有限.
- 未来的研究必须关注临床问题,数据意义,特征/模型选择和可解释性.
