动机聚类和数字生物标记提取用于自由生活的身体活动分析
Ya-Ting Liang1, Charlotte Wang2,3
1Institute of Epidemiology and Preventive Medicine, College of Public Health, National Taiwan University, Taipei, Taiwan.
BioData mining
|January 23, 2025
概括
这项研究引入了一种新的动机聚类算法来分析身体活动 (PA) 模式. 衍生的数字生物标志物可以提高对PA的理解.
科学领域:
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
- 医疗信息学 医疗信息学
背景情况:
- 分析自由生活的体力活动 (PA) 数据是具有挑战性的,因为日常的变化和缺乏活动标签.
- 传统的总结统计无法捕捉到细微的个人PA模式.
- 了解PA模式与健康结果的关系需要先进的分析方法.
研究的目的:
- 提出一种新的基于弹性距离的动机聚类算法,用于识别自由生活数据中的特定PA模式.
- 从已识别的PA动图中提取数字生物标志物,使用功能主要成分分析 (FPCA).
- 通过衍生数字生物标志物探索PA模式和健康结果之间的关系.
主要方法:
- 开发了一种基于距离的弹性图案聚类算法,用于PA数据.
- 分段长期PA曲线,并使用弹性形状分析来发现图案.
- 应用FPCA从已识别的PA图案中提取数字生物标志物.
主要成果:
- 通过三个现实世界的应用来证明算法的有效性.
- 来自PA动机的数字生物标志物有效地捕获了与疾病结果的关联.
- 使用新型数字生物标志物提高了患者分类准确性.
结论:
- 通过识别特定的活动模式 (动机),引入了一种分析自由生活PA数据的新方法.
- 衍生的数字生物标志物提供了对PA对健康影响的细微了解.
- 潜在的应用包括个性化健康评估和疾病检测.
