结步态检测:传感器类型,位置,活动,数据集和机器学习模型的影响
Luigi Borzì1, Florenc Demrozi2, Ruggero Angelo Bacchin3,4
1Department of Control and Computer Engineering, Politecnico di Torino, Turin, Italy.
Journal of Parkinson's disease
|March 17, 2025
概括
使用单个脚传感器的新机器学习算法准确地检测帕金森病 (PD) 患者的步态结 (FoG). 这种可穿戴系统使得可靠的,无监督的家庭评估这种残疾的运动症状.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 可穿戴技术可穿戴技术
背景情况:
- 步态结 (FoG) 是帕金森病 (PD) 的常见和衰弱的运动症状.
- 可穿戴式传感器提供了对FoG的客观,持续监测的潜力.
- 开发可靠,不引人注目的可穿戴系统对于家庭评估至关重要.
研究的目的:
- 为可穿戴传感器系统开发一个强大的FOG检测算法.
- 为了使可靠的,无监督的家庭评估的FOG在PD患者.
- 创建一个不引人注目的系统,以改善FOG监控.
主要方法:
- 22名患有FoG的PD患者被招募,他们戴着4个惯性传感器.
- 实施和优化了机器学习方法 (特征驱动和数据驱动).
- 该算法在收集的数据和两个外部数据集 (545个FoG事件) 上进行了验证.
主要成果:
- 一个带有机器学习算法的单个脚传感器实现了准确的FOG检测 (88-95%在独立数据集上).
- FoG可以与步行和静态姿势区分开来,但转身是个挑战.
- 高错误报警率仍然是当前FoG识别算法的局限性.
结论:
- 单个安装在脚上的传感器,配备适当的机器学习算法,可以有效检测FoG.
- 开发的系统显示了对FoG的非侵入性,无监督的家庭评估的希望.
- 该研究为推进自动FOG检测和表征研究提供了有价值的数据集.
