相关实验视频
Updated: Jun 3, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
对基于人工智能的物理功能评估系统的惯性测量单元数据的分析,使用临床类似的运动
Nobuji Kouno1,2,3, Satoshi Takahashi1,2, Ken Takasawa1,2
1Division of Medical AI Research and Development, National Cancer Center Research Institute, 5-1-1 Tsukiji, Chuo-ku, Tokyo 104-0045, Japan.
Bioengineering (Basel, Switzerland)
|January 8, 2025
概括
这项研究引入了一种新的方法,用于评估癌症患者的身体功能,使用惯性测量单元数据在咨询期间. 盆腔速度变化预测了Timed Up和Go测试结果,提供了一个资源高效的临床工具.
科学领域:
- 在瘤学瘤学.
- 生物医学工程 生物医学工程
- 康复科学 康复科学 康复科学
背景情况:
- 客观的身体功能评估对于癌症治疗耐受性至关重要.
- 目前的方法,如定时并进行 (TUG) 测试是资源密集型的.
- 需要实用,常规的临床评估工具.
研究的目的:
- 开发一个系统来评估身体功能使用运动在临床咨询期间.
- 从惯性测量单元 (IMU) 数据中识别物理功能评估的相关特征.
- 使用IMU衍生功能的预测TUG测试结果.
主要方法:
- 收集了61名癌症患者执行标准化运动的IMU数据.
- 利用拉索回归来识别关键的运动特征.
- 开发机器学习模型来预测TUG测试结果.
主要成果:
- 骨盆速度变化 (PVV) 被确定为一个关键预测因素.
- 使用PVV的线性回归模型实现了平均绝对误差为1.322s,与TUG结果的相关性为0.713.
- 较高的PVV与较短的TUG测试时间有关.
结论:
- 来自IMU数据的PVV可以有效地预测癌症患者的TUG测试表现.
- 这种方法为身体功能评估提供了一个可行的,低资源的替代方案.
- 这些发现支持开发基于人工智能的系统,用于客观地评估身体功能.
