一种数据驱动的方法来检测乳腺癌幸存者的上肢在日常生活中的功能使用,使用手腕佩戴的传感器
Jill Emmerzaal1, Benjamin Filtjens2,3, Nieke Vets1
1Department of Rehabilitation Sciences, KU Leuven, 3000, Leuven, Belgium.
Scientific reports
|August 6, 2024
概括
一个新的时卷积神经网络 (TCN) 从手腕加速仪数据准确地检测乳腺癌幸存者的上肢 (UL) 使用情况. 这项技术有助于了解癌症治疗后的UL功能.
科学领域:
- 生物医学工程 生物医学工程
- 康复科学科学 康复科学
- 医疗保健中的机器学习
背景情况:
- 乳腺癌治疗可能导致上肢 (UL) 功能障碍.
- 量化每日UL使用对于评估恢复和指导康复至关重要.
- 使用可穿戴传感器对UL功能进行客观测量仍然是一个挑战.
研究的目的:
- 开发和验证一个时间卷积神经网络 (TCN) 模型.
- 在乳腺癌幸存者中检测和量化功能性每日上肢 (UL) 使用.
- 为了利用手腕加速度计的数据进行这种检测.
主要方法:
- 使用了10名乳腺癌幸存者的数据集,同时使用了加速度计和视频数据.
- 使用ResNet块的TCN模型在3轴加速度数据上进行了扩展时间卷积.
- 功能性UL使用 (分钟) 和百分比UL使用是主要结果.
主要成果:
- TCN模型与功能性UL使用的视频数据有很强的一致性 (ICC=0.975) 和%UL使用的中度一致性 (ICC=0.794).
- 该模型显示了高精度 (0.875),f1得分 (0.909) 和AUPRC (0.954).
- 观察到功能性UL使用的轻微高估 (0.71分钟,3.06%).
结论:
- 一个TCN模型有效地识别了在日常生活中的功能上肢 (UL) 使用,使用手腕穿戴的加速度计数据.
- 这种方法为监测乳腺癌幸存者的UL功能提供了一种有希望的客观方法.
- 这些发现支持使用可穿戴传感器和人工智能用于个性化康复策略.
