基于机器学习的生物阻抗评估膝关节骨关节炎的严重程度
Juan D Muñoz1, Víctor H Mosquera2, Carlos F Rengifo2
1Corporación Universitaria Comfacauca, Popayán, Colombia.
Biomedical physics & engineering express
|April 26, 2024
概括
这项研究引入了一种新的生物阻抗方法,用于分类膝关节骨关节炎 (KOA) 严重程度. 该技术准确地识别KOA等级,可能作为成像之前的初始查工具.
科学领域:
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
- 骨关节炎研究 骨关节炎研究
背景情况:
- 膝关节骨关节炎 (KOA) 是一种普遍存在的退行性关节疾病.
- 需要准确且易于使用的诊断工具来确定KOA的严重程度.
研究的目的:
- 开发和验证一个用于分类膝关节骨关节炎 (KOA) 严重程度的多类模型.
- 评估生物阻抗测量的有效性与KOA分级的特定练习相结合.
主要方法:
- 使用8电极设置和基于AD5933的装置进行生物阻抗测量.
- 收集了37名参与者 (25名健康,13名KOA) 执行5个膝盖任务的数据.
- 在15个实验设置中训练了一种多类随机森林模型 (3种测量类型x5个练习).
主要成果:
- 在所有四个KOA严重程度级别中都实现了100%的平均灵敏度和特异性.
- 在膝盖延伸,循环运动和步行任务中表现出高精度.
- 该模型有效地区分了健康的膝盖和不同的KOA等级.
结论:
- 生物阻抗测量与特定的物理任务相结合,为KOA严重性分类提供了一个有希望的,非侵入性的方法.
- 拟议的方法可以作为有效的查工具,识别需要进一步成像的个人,如X射线或MRI.
- 这项技术可以简化膝关节骨关节炎的诊断途径.
