预测生物反步行训练的改进,使用从最低足距数据的短期光谱特征来预测
Nandini Sengupta1, Rezaul Begg2, Aravinda S Rao1
1Department of Electrical and Electronic Engineering, The University of Melbourne, Parkville, VIC, Australia.
Frontiers in bioengineering and biotechnology
|September 12, 2024
概括
从最低足距 (MFC) 数据中使用新的短期里埃转换 (STFT) 特性预测步态训练的有效性,可以节省时间和资源. 这种方法准确地预测了生物反训练的成功,优化了中风康复.
科学领域:
- 生物医学工程 生物医学工程
- 康复科学 康复科学 康复科学
- 信号处理 信号处理
背景情况:
- 脑卒中康复需要广泛的培训和评估,需要大量的时间,劳动力和成本.
- 评估基于生物反的步态训练的有效性通常需要进行多次训练.
- 预测早期的培训结果可以优化资源配置和患者康复时间表.
研究的目的:
- 引入从使用短期里埃变换 (STFT) 来预测生物反训练有效性的最低脚间距 (MFC) 数据中得出的新特性.
- 为了证明基于STFT的特征在预测步行训练成功方面优于现有的方法.
- 确定与康复结果相关的MFC的特定光谱成分.
主要方法:
- 在最小足距 (MFC) 数据上利用了短期里叶变换 (STFT) 来提取大小光谱特征.
- 将基于STFT的特征的预测性能与基于波形,直方图和Poincaré的特征进行比较.
- 分析了拟议特征的统计学意义 (p < 0.001) 与描述性统计,色调和特征的统计学意义.
主要成果:
- 基于STFT的特征实现了高预测准确度 (95%),F1得分 (96%),灵敏度 (93.33%) 和特异性 (100%).
- 拟议的特征在预测生物反培训有效性方面明显优于现有方法.
- 确定了短期光谱成分和MFC数据的DC值对训练成功具有预测能力.
结论:
- 基于STFT的MFC数据分析提供了一种强大而有效的方法,用于预测中风康复中步训练的有效性.
- 频率较低的频谱成分具有较高的振幅和较低的方差,表明结果较差,而较低的振幅和较高的方差表明更好的预后.
- 这种预测方法可以简化康复,降低成本,并通过早期识别培训成功来改善患者的结果.
