通过仪器五次坐立测试和机器学习来评估机车综合征
Iman Hosseini1, Maryam Ghahramani2
1School of Computing, Australian National University, Acton, ACT 2601, Australia.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
机器学习使用五次坐立测试 (FTSTS) 和惯性传感器准确评估机车综合征 (LS) 阶段. 这种基于技术的方法为早期LS检测提供了对主观尺度的可靠替代方案.
科学领域:
- 老年医学 老年医学
- 生物医学工程 生物医学工程
- 医疗保健中的机器学习
背景情况:
- 发动机综合征 (LS) 损害了日常活动,需要早期检测以防止护理需求.
- 老年人机动功能尺度 (GLFS-25) 是一个主观的工具来确定LS的阶段.
- 需要客观的,基于技术的评估来补充或取代主观的措施.
研究的目的:
- 开发和验证机器学习模型,用于定量评估机车综合征 (LS) 阶段.
- 评估用于LS分期的五次仪器坐立测试 (FTSTS) 的有效性.
- 探索惯性测量单元 (IMU) 和机器学习对客观LS评估的潜力.
主要方法:
- 参与者使用单个骨盆惯性测量单元 (IMU) 进行了五次仪器坐立测试 (FTSTS).
- 从加速数据中提取了144个特征,并训练了7个机器学习模型.
- 评估了通过数据增强和主要组件分析 (PCA) 增强的多层感知子 (MLP) 模型.
主要成果:
- 该MLP+PCA模型实现了高性能指标:0.9准确度,0.92精度,0.9回忆和0.91F1得分.
- 这证明了该模型在准确分类LS阶段方面的有效性.
- 该研究强调了使用IMU和机器学习进行客观的LS评估的潜力.
结论:
- 使用IMU对FTSTS数据的机器学习分析为评估机车综合征 (LS) 提供了高度准确和客观的方法.
- 这种方法为开发使用可访问技术的远程LS监控系统提供了一个有希望的基础.
- 客观的定量评估可以在早期检测和管理机车综合征方面发挥重要作用.
