人类运动识别用于自适应性深度大脑刺激,使用头部安装的三轴加速计

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 机器学习 机器学习

背景情况:

• 适应性深度大脑刺激 (aDBS) 提供个性化的帕金森病 (PD) 治疗.
• 实时运动检测对于有效的aDBS系统适应性至关重要.
• 头部安装的传感器为运动检测提供了一个潜在的低功耗解决方案.

研究的目的:

• 评估使用头部三轴加速度计用于人类运动检测的可行性.
• 开发和评估机器学习算法,使用头部加速数据对日常活动进行分类.
• 为嵌入式aDBS系统建立功能分析和算法选择的框架.

主要方法:

• 招募了32名健康参与者,他们进行了以下活动:坐着,站着,走路,摔倒.
• 使用头部安装的三轴加速度计来捕获运动数据.
• 采用决策树,随机森林和支持矢量机 (SVM) 算法进行运动分类,包括"前后运动"功能.

主要成果:

• 辐射基函数 (RBF) 内核 SVM 实现了超过 80% 的分类准确性.
• 区分坐着和站着仍然是一个挑战.
• 结合"前后运动"功能,精度提高到96%以上.

结论:

• 装在头部的加速度计可用于aDBS系统检测人类运动.
• 机器学习,特别是具有增强功能的SVM,显示出运动识别的巨大潜力.
• 该框架支持开发用于帕金森病的低功耗,嵌入体内的自适应性深度大脑刺激装置.