机器学习方法在12岁以下儿童的姿势相关应用中:系统性审查
Markel Rico-González1,2, Carlos D Gómez-Carmona2,3,4, Ibrahim Ouergui5,6
1Department of Didactics of Music, Plastic and Body Expression, University of Basque Country (UPV-EHU), 48940 Leioa, Spain.
Bioengineering (Basel, Switzerland)
|December 30, 2025
概括
机器学习使用传感器准确评估儿童 (0-12岁) 的姿势控制. 这项技术对早期发育迟缓的检测和诊断诸如脑等疾病充满希望.
科学领域:
- 儿科 儿科 儿科
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 姿势控制对于婴儿和幼儿的运动发育至关重要.
- 机器学习 (ML) 提供了分析复杂运动数据的潜力.
研究的目的:
- 对0-12岁儿童的姿势相关应用应用的ML方法进行系统审查.
- 评估ML在姿势评估和相关诊断中的有效性.
主要方法:
- 在主要数据库 (PubMed,科学网,Scopus,ProQuest) 中按照PRISMA指南进行系统的文献搜索.
- 包括22项具有中等到良好方法质量的研究 (MINORS尺度).
- 分析基于传感器的技术 (IMU,力板,压力,视频) 用于提取动力和姿势特征.
主要成果:
- 机器学习算法,特别是Random Forest,SVM和CNN的算法,实现了经常超过85%的准确性.
- 在传感器模式,数据质量和模型架构中注意到异质性.
- 在姿势分类,发育迟缓的早期检测,以及诊断诸如脑和自闭症谱系障碍等疾病中的有效应用.
结论:
- 在儿科患者群体中,ML显示出与姿势相关的应用的巨大潜力.
- 这些方法在家庭监测和临床干预方面都很有前途.
- 进一步标准化可能会提高儿童体位控制研究中的ML方法的可靠性和通用性.
