机器学习在根据运动模式对脚儿童的复发和非复发进行分类方面的潜力
Lianne Grin1,2, Sieglinde Bogaert3, Saskia Wijnands3,4
1Fontys University of Applied Sciences, PO box 347, 5612 MA, Eindhoven, The Netherlands. l.grin@fontys.nl.
Scientific reports
|July 28, 2025
概括
通过机器学习分析运动模式,可以早期检测复发性脚. 将动态活动与3D运动分析相结合,提高了儿童复发脚病的分类准确性.
科学领域:
- 整形外科 整形外科 整形外科
- 生物机械工程 生物机械工程
- 机器学习在医学中的应用
背景情况:
- 复发的脚呈现出复杂的形,影响儿童在多个关节的步态.
- 由于呈现和时间的变化,早期检测复发是具有挑战性的.
- 一个复杂的动力学链表征着复发脚的运动模式.
研究的目的:
- 为了研究3D运动分析和机器学习在分类复发性脚的有效性.
- 为了确定生物力学数据可以在多大程度上区分复发和非复发的脚.
- 确定儿童足患者临床随访的关键生物力学特征.
主要方法:
- 使用三维 (3D) 运动分析来收集动力学数据.
- 应用机器学习算法来分析运动模式中的复杂,非线性关系.
- 根据生物力学数据将儿童分为复发性脚和非复发性脚组.
主要成果:
- 基于动力运动模式的对象分类显示了显著的潜力.
- 结合来自多个动态活动的数据,提高了区分复发性脚的灵敏度.
- 特定的生物力学特征表明复发被确定.
结论:
- 3D运动分析与机器学习相结合,为早期识别复发性脚提供了一个有希望的方法.
- 识别特定的生物力学特征可以指导临床后续,并可能防止手术干预.
- 需要更大的数据集来开发一个可泛化和强大的机器学习模型,用于临床应用.
