克里斯普 (CRISP):一种以相关性过的递归特征消除和SMOTE管道的整合,用于基于步态的帕金森病查

科学领域:

• 生物医学工程 生物医学工程
• 计算神经科学是一种神经科学.
• 临床诊断 临床诊断 临床诊断

背景情况:

• 帕金森病 (PD) 是一种快速增长的神经退行性疾病.
• 微妙的步态变化,比如降低垂直地面反应力 (VGRF),可以在运动症状之前.
• 可穿戴VGRF传感器提供非侵入性早期PD检测,但计算方法面临特征冗余和类不平衡的挑战.

研究的目的:

• 开发一种新的计算框架,用于增强基于步态的帕金森病查.
• 使用VGRF数据提高早期PD检测的准确性和通用性.
• 建立一个个性化诊断评估的学科评估协议.

主要方法:

• 拟议的CRISP (SMOTE管道的相关过递归特征消除和集成) 框架.
• 基于关联的特征修剪,递归特征消除 (RFE) 和合成少数群体过量采样技术 (SMOTE) 的连续应用用于类平衡.
• 实施了一种用于捕获患者水平变异性的新型主体评估协议,并对306个VGRF记录进行了5个分类器 (KNN,DT,RF,GB,XGBoost) 的评估.

主要成果:

• 在5倍交叉验证下,CRISP在所有模型中始终提高了分类器的性能.
• XGBoost与CRISP实现了最高的PD检测精度 (98.3%±0.8%) 和严重程度分级精度 (99.3%±0.5%).
• 与基线模型相比,观察到显著的性能增长.

结论:

• 克里斯普是第一个基于VGRF的管道,集成特征修剪,RFE和SMOTE,以增强PD检测.
• 这种新的主体智能协议增强了患者级别的可变性捕获,以实现个性化诊断.
• 该框架为实时,设备上的PD检测和严重程度监测提供了基础.