在神经障碍中对步态分析的集群方法:叙述性审查
Jonas Hummel1, Michael Schwenk2, Daniel Seebacher3
1Department of Computer and Information Science, University of Konstanz, Konstanz, Germany.
Digital biomarkers
|May 9, 2024
概括
对神经系统疾病而言,客观的步态分析至关重要. 目前的聚类技术在临床上应用性有限,需要在无标记光学跟踪和外部验证方面取得进展,以改善患者的治疗结果.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 神经系统疾病的患病率越来越高,需要客观的步态分析来识别缺陷.
- 由于成本,时间和处理限制,现有的步态分析技术往往不适合临床使用.
研究的目的:
- 评估现有的神经系统疾病患者聚类技术,以帮助优化临床治疗.
- 识别差距,并提出改善步态分析临床实用性的进展建议.
主要方法:
- 进行了关于神经系统疾病患者聚类的13项相关研究的叙事审查.
- 根据七个标准对方法进行了表征和评估,并将结果总结为综合表.
主要成果:
- 只有三个经过审查的方法表现出中等或高的过程成熟度.
- 只有两种方法表现出高临床适用性,表明需要改进.
结论:
- 在无标记光学跟踪,实验设计优化和外部验证方面需要取得进展.
- 增强的集群技术可以改善患者差异的识别,最终有利于患者的结果.
