Jove
Visualize
联系我们

相关实验视频

Updated: Sep 13, 2025

Clinical Assessment of Spatiotemporal Gait Parameters in Patients and Older Adults
08:56

Clinical Assessment of Spatiotemporal Gait Parameters in Patients and Older Adults

Published on: November 7, 2014

14.0K

在ASD中增加步态的时间变化:动作捕捉和机器学习分析.

Katharine Goldthorp1, Benn Henderson2, Pratheepan Yogarajah2

  • 1School of Psychology and Sports Science, Bangor University, Bangor LL57 2DG, UK.

Biology
|July 29, 2025
PubMed
概括
此摘要是机器生成的。

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Feasibility and Acceptability of AI-Powered Tools for Early Autism Screening in Egypt: Semistructured Focus Group Study.

Journal of medical Internet research·2026
Same author

A Novel Pipeline for Object Recognition Utilising Multi-Sensory Tactile Fusion.

IEEE transactions on haptics·2026
Same author

A Novel Pipeline for Adrenal Gland Segmentation: Integration of a Hybrid Post-Processing Technique with Deep Learning.

Journal of imaging informatics in medicine·2025
Same author

A Foreground Prototype-Based One-Shot Segmentation of Brain Tumors.

Diagnostics (Basel, Switzerland)·2023
Same author

Nucleus segmentation and classification using residual SE-UNet and feature concatenation approach incervical cytopathology cell images.

Technology in cancer research & treatment·2023
Same author

A Study of Maternal and Umbilical Cord Blood Lead Levels in Pregnant Women.

Indian journal of clinical biochemistry : IJCB·2023
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

自闭症谱系障碍 (ASD) 与非典型的步态有关. 时间步态分析和机器学习可以将自闭症患者与典型发育的同龄人区分开来,这表明它有可能作为诊断辅助工具.

科学领域:

  • 神经科学是一个神经科学.
  • 生物机械工程 生物机械工程
  • 发展心理学 发展心理学

背景情况:

  • 在患有自闭症谱系障碍 (ASD) 的人群中,经常观察到运动缺陷,特别是非典型的步态.
  • 在ASD中走路差异的潜在机制和精确特征仍然不完全理解.
  • 步态计时为探索运动差异提供了一个可衡量和可访问的指标.

研究的目的:

  • 调查时间步行参数是否可以单独描述自闭症步行的特征.
  • 确定通过机器学习增强的时间步行分析是否可以作为ASD和典型发展 (TD) 个体之间的分类器.
  • 探索步行时间分析作为ASD诊断工具的潜力.

主要方法:

  • 对两组男性参与者进行了高分辨率的步态时间分析:高功能ASD (N=16) 和TD (N=16),年龄为735岁.
  • 数据采集使用VICON® 3D运动分析系统.
  • 机器学习模型,包括随机森林,应用于时间步态变化数据进行分类.

主要成果:

  • 与TD组相比,ASD组在所有测试的步态参数中表现出显著增加的时间变化 (p < 0.001).
  • 机器学习分析表明,时间步态变化有效地将参与者分为ASD和TD组.
关键词:
在ASD中,使用的是ASD.步态 步态 步态 步态机器学习是机器学习.时间表 时间表变化的可变性.

更多相关视频

Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
07:51

Video Movement Analysis Using Smartphones ViMAS: A Pilot Study

Published on: March 14, 2017

16.9K
Comprehensive Understanding of Inactivity-Induced Gait Alteration in Rodents
04:37

Comprehensive Understanding of Inactivity-Induced Gait Alteration in Rodents

Published on: July 6, 2022

2.5K

相关实验视频

Last Updated: Sep 13, 2025

Clinical Assessment of Spatiotemporal Gait Parameters in Patients and Older Adults
08:56

Clinical Assessment of Spatiotemporal Gait Parameters in Patients and Older Adults

Published on: November 7, 2014

14.0K
Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
07:51

Video Movement Analysis Using Smartphones ViMAS: A Pilot Study

Published on: March 14, 2017

16.9K
Comprehensive Understanding of Inactivity-Induced Gait Alteration in Rodents
04:37

Comprehensive Understanding of Inactivity-Induced Gait Alteration in Rodents

Published on: July 6, 2022

2.5K
  • 随机森林在12个测试的算法中出现了表现最好的模型.

    • 结论:

    • 时间步行分析揭示了ASD和TD个体之间的步行时间变化存在显著差异.
    • 机器学习算法可以有效地利用步态时间变化来进行组分类.
    • 这种方法有望成为未来潜在的ASD诊断辅助工具.