根据两个惯性测量单元传感器作为使用经典机器学习的动态坐标系统预测严重的膝关节关节炎
Erfan Azizi1, Mohammadsadegh Darbankhalesi1, Amirhossein Zare2
1Department of Bioelectrics and Biomedical Engineering, School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran.
Journal of medical signals and sensors
|April 7, 2025
概括
使用惯性测量单元 (IMU) 传感器的可穿戴设备可以准确地区分健康个体和严重膝关节关节炎 (KOA) 患者. 这种非侵入性方法在诊断KOA方面表现有前途,为传统X射线提供了替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 整形外科 整形外科 整形外科
- 可穿戴技术可穿戴技术
背景情况:
- 肌肉骨系统疾病,特别是膝关节关节炎 (KOA),由于人口老龄化,造成了严重的医疗保健挑战.
- 目前的KOA诊断依赖于X射线图,其中涉及电离辐射并具有缺点.
- 对KOA.有需要的非侵入性,低成本的诊断方法.
研究的目的:
- 评估可穿戴设备在区分健康个体和严重KOA (4级) 患者之间的有效性.
- 探索可穿戴传感器数据在KOA诊断中的潜力.
主要方法:
- 使用了一种带有两个惯性测量单元 (IMU) 传感器 (大腿和腿部) 的可穿戴设备.
- 在一个动态坐标系统中,从15名健康和15名严重KOA个体 (年龄>45岁) 的1433个IMU信号中提取了新的特征.
- 通过十倍交叉验证,评估了四个分类器 (纯粹的贝叶斯,KNN,SVM,随机森林).
主要成果:
- 该K-最近邻居 (KNN) 分类器实现了最高准确率93.71±1.1%.
- 此外,KNN的高精度为93±1.31%.
- 与现有方法相比,拟议的算法显示了更好的灵敏度.
结论:
- 来自动态坐标系和KNN模型的新功能有效地诊断健康人和KOA患者之间的差异.
- 这种可穿戴设备显示出作为关节炎诊断的辅助工具的潜力.
- 需要进一步验证,因为结果是针对严重的KOA (4级) 特定的,对于其他等级可能有所不同.
