间歇跑步机训练对脑儿童时空参数的影响:一种机器学习方法
Charlotte R DeVol1, Siddhi R Shrivastav2, Alyssa M Spomer3
1Department of Mechanical Engineering, University of Washington, Seattle, WA, USA.
Journal of biomechanics
|November 10, 2024
概括
贝叶斯增量回归树 (BART) 可以跟踪脑儿童的跑步机训练的个体反应. 这种方法有助于优化康复,通过分析一步一步的步态数据,以获得更好的治疗结果.
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
- 数据科学数据科学数据科学
背景情况:
- 个性化康复很难量化和优化.
- 跑步机训练提供可调节的参数,如速度和倾斜.
- 儿童脑 (CP) 需要量身定制的治疗方法.
研究的目的:
- 评估因果建模和贝叶斯附加回归树 (BART) 在跟踪跑步机训练对步态的直接影响方面的有效性.
- 评估CP儿童的训练参数和时空步态结果之间的关系.
主要方法:
- 开发了一个定向环形图 (DAG) 来建模训练投入和步态结果之间的关系.
- 将BART应用于模拟和实验数据集中的单个步骤数据.
- 在150名虚拟参与者和4名患有CP (4-13岁) 的儿童中,评估了24次短爆发机动跑步机训练 (SBLTT).
主要成果:
- 在模拟数据中,BART准确地识别了训练反应,显示了步骤长度进展 (R2=0.73) 和平原 (R2=0.87) 的强烈相关性.
- 实验数据显示,24次SBLTT会话后,步骤长度增加了26%±13%.
- 巴特分析显示,三名参与者 (13.5%±4.5%) 的步骤长度有直接的积极影响,一个参与者 (-11.6%) 的步骤长度下降,对不对称性和宽度的影响最小.
结论:
- 在康复期间,BART是分析步行数据的可行工具.
- 这种方法可以帮助研究人员和临床医生监测患者的进展,并优化个性化治疗方案.
- 利用BART可以提供关于个人对步态训练反应的潜在因果机制的见解.
