伯格平衡尺度评分系统,通过利用基于注意力的深度学习与可穿戴的IMU传感器来进行平衡评估
Zhangli Lu1, Huiying Zhou1,2, Honghao Lyu1,3,4
1State Key Laboratory of Fluid Power and Mechatronic Systems, School of Mechanical Engineering, Zhejiang University, Hangzhou 310027, China.
Bioengineering (Basel, Switzerland)
|April 26, 2025
概括
本研究引入了使用可穿戴传感器和深度学习的自动化平衡评估系统. 它提供了一个客观,有效的方法来评估神经疾病的平衡,帮助患者监测.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 康复技术 康复技术 康复技术
背景情况:
- 平衡评估对于监测神经疾病,如帕金森病 (PD) 和中风至关重要.
- 伯格平衡量级 (BBS) 是一种标准的临床工具,但手动评分是主观的,耗时的.
- 现有的自动化系统往往缺乏临床适用性或需要复杂的功能工程.
研究的目的:
- 开发一个使用可穿戴惯性测量单元 (IMU) 和深度学习的自动化平衡评估系统.
- 克服手动BBS评分和复杂特征提取在当前自动化方法中的局限性.
- 提供一个客观和有效的工具,用于临床环境中的平衡评估和患者自我监测.
主要方法:
- 开发了一种基于注意力的深度学习模型,将卷积神经网络 (CNN) 集成为空间特征和双向长期短期记忆 (Bi-LSTM) 网络用于时间动态.
- 该系统利用来自IMU的数据来分析平衡任务期间的运动.
- 该模型包含了注意力机制,以专注于最有信息的特征.
主要成果:
- 该系统在20名健康受试者 (年轻人和老年人) 和20名患者 (PD和中风) 上进行了验证.
- 获得了1.1627的平均绝对误差 (MAE) 和1.5333.3的根平均平方误差 (RMSE).
- 仅需要5分钟的步行数据进行评估.
结论:
- 拟议的自动化系统提供了一种高效,客观的解决方案,用于使用IMU数据和深度学习进行平衡评估.
- 它可以帮助医疗保健专业人员和患者监测平衡,特别是对于PD和中风等疾病.
- 局限性包括严重受损患者的概括性降低以及无法预测个别任务得分.
