使用来自长期短期记忆网络的后置概率来用多个加速度计来描述舞蹈行为
Aston K McCullough1,2,3
1Laboratory for the Scientific Study of Dance, Center for Cognitive & Brain Health, Northeastern University Boston, Boston, MA, USA.
Journal of Alzheimer's disease : JAD
|May 5, 2025
概括
研究人员开发了一种使用加速度计和人工智能测量舞蹈样状态 (DLS) 质量的新方法. 这种技术只需要两分钟的数据可靠地评估运动行为,可能有助于认知健康研究.
科学领域:
- 神经科学是一个神经科学.
- 运动学 运动学
- 生物医学工程 生物医学工程
背景情况:
- 舞蹈对轻度认知障碍,阿尔茨海默病或痴呆症患者的认知健康有潜在的益处.
- 目前在舞蹈研究中评估运动行为质量的方法不足.
- 需要新的指标来准确地描述舞蹈干预期间的运动行为.
研究的目的:
- 确定运动行为的最佳观察持续时间,以提高"舞蹈般状态" (DLS) 评分的可靠性.
- 建立DLS分数作为一种可靠的指标,用于描述自由形式舞蹈中的运动行为质量.
主要方法:
- 41名成年人在各种活动 (包括自由形式舞蹈) 中佩戴了五个三轴加速度计 (手腕,脚,腰部).
- 加速度计数据使用长期短期记忆 (LSTM) 网络预测观察到的行为 (跳舞/不跳舞).
- 斯皮尔曼-布朗预言公式评估了可靠的DLS得分所需的1分钟观察周期的数量 (r ≥0.80).
主要成果:
- 在使用所有五个加速度计的数据来识别舞蹈行为时,LSTM网络实现了高分类准确度 (89.1%至94.0%).
- 当在两分钟或更长的时间内平均时,DLS得分显示出高可靠性 (r > 0.80).
- DLS分数与年龄,舞蹈训练,身体特征,音乐参数,步行速度和能量消耗等因素有显著的相关性.
结论:
- 来自加速度计的舞蹈样状态 (DLS) 评分有效地描述了运动行为质量.
- 至少两分钟的数据足以进行可靠的DLS评分.
- 需要进一步的研究来探索运动行为质量与认知健康之间的关系.
