膝关节骨关节炎患者的步态分类使用嵌入鞋子的内部测量单元传感器
Ahmed Raza1, Yusuke Sekiguchi1, Haruki Yaguchi1
1Department of Physical Medicine and Rehabilitation, Tohoku University Graduate School of Medicine, 2-1 Seiryo-machi, Aoba-ku, Sendai 980-8575, Japan.
Clinical biomechanics (Bristol, Avon)
|June 20, 2024
概括
可穿戴传感器和机器学习能够准确地将膝关节骨关节炎患者与健康患者区分开来,并对外科手术分组进行分类. 这项技术为临床环境之外的步态分析提供了实用方法.
科学领域:
- 生物医学工程 生物医学工程
- 整形外科 整形外科 整形外科
- 数据科学数据科学数据科学
背景情况:
- 膝关节关节炎显著损害了患者的步态,特别是在老年人中.
- 使用可穿戴传感器评估膝关节关节炎患者的研究仍然不足.
- 可穿戴传感器提供客观的步态评估,不受临床环境中常见的安慰剂效应的影响.
研究的目的:
- 评估可穿戴传感器和机器学习在将膝关节骨关节炎患者与健康个体区分开来方面的有效性.
- 根据手术状态和诊断横向性来分类膝关节骨关节炎患者的子组.
主要方法:
- 60名膝关节骨关节炎患者和20名对照患者在鞋底内置的惯性测量单元 (IMU) 传感器上行走.
- 机器学习,特别是支持矢量机器,用于分类.
- 88个步态特征被提取用于分析.
主要成果:
- 膝关节骨关节炎患者和健康参与者之间的分类准确度为71% (85%的灵敏度,56%的特异性).
- 将预定要接受手术的患者与未预定的患者区分,准确度达到了83% (83%的灵敏度,81%的特异性).
- 将双边与单边膝关节骨关节炎诊断分类产生了81%的准确性 (75%的灵敏度,79%的特异性).
结论:
- 使用可穿戴传感器和机器学习的步态分析有效地歧视膝关节骨关节炎患者和子组.
- 该方法是实用的,不需要复杂的步行因素,不仅限于实验室环境.
- 这种方法为在现实环境中客观地评估步态提供了一个可行的工具.
