特拉维夫大学和伊奇洛夫的特拉维夫苏拉斯基医学中心的研究人员领导了一项多学科的国际研究，其中开发了一种基于机器学习的创新模型，以准确估计步长。这种新模型可以集成到一个可穿戴设备中，该设备(通过“皮肤胶带”)连接到下背部，可以连续监测患者日常生活中的步骤。步长是衡量一系列问题和疾病的敏感指标，从认知能力下降、衰老到帕金森症。目前存在的传统测量设备是固定的，笨重的，只有在专门的诊所和实验室才能找到。我们开发的模型可以使用可穿戴传感器在患者全天的自然环境中进行精确测量。”
这项研究由特拉维夫大学生物医学工程系研究生阿萨夫·扎德卡(Assaf Zadka)领导;特拉维夫大学医学与健康科学学院和Sagol神经科学学院物理治疗系以及特拉维夫Sourasky医学中心(TASMC)神经内科的Jeffrey Hausdorff教授;特拉维夫大学Fleischman工程学院工业工程系的Neta Rabin教授。参与这项研究的还有来自TASMC的Eran Gazit，特拉维夫大学和TASMC医学与健康科学学院和Sagol神经科学学院的Anat Mirelman教授，以及来自比利时、英国、意大利、荷兰和美国的研究人员。这项研究得到了特拉维夫大学人工智能与数据科学中心的支持。一篇描述这项研究的文章发表在《数字医学》杂志上。
一个人在最先进的步态实验室里行走，他的下背部有一个可穿戴传感器。他正走过一个嵌有力敏传感器的步态垫。步态垫提供了高度精确的人的步长测量，并用于为本研究中描述的机器学习模型的“训练”和测试提供参考值。在背景中，还可以看到专门的动作捕捉摄像机。步态垫和相机非常精确地测量受试者的行走模式，每走几步。然而，这些工具不能在现实世界的日常环境中使用。相比之下，可穿戴传感器体积小，重量轻，防水，可以用皮肤胶带固定，并且可以全天测量步长，为评估现实世界的行走和功能能力提供信息。
我们的脚步能揭示神经系统的健康吗?
Hausdorff教授是行走、衰老和神经学领域的专家，他解释说:“步长是一种非常敏感和非侵入性的测量方法，用于评估各种状况和疾病，包括衰老、神经和神经退行性疾病导致的恶化、认知能力下降、阿尔茨海默病、帕金森病、多发性硬化症等。如今，使用专业实验室和诊所里的设备来测量步长是很常见的，这些设备是基于摄像头和力敏步态垫等测量设备。虽然这些测试是准确的，但它们只提供了一个人走路的快照视图，可能不能完全反映现实世界的实际功能。例如，日常生活步行可能会受到患者疲劳程度、情绪和药物的影响。这种新的步长模型实现了连续的、24/7的监测，可以捕捉到真实世界的行走行为。”
智能传感器精确的步骤
拉宾教授是机器学习方面的专家，他补充说:“为了解决这个问题，我们试图利用IMU(惯性测量单元)系统——一种轻便且相对便宜的传感器，目前安装在每一部手机和智能手表上，并测量与行走相关的参数。以前的研究已经检查了基于imu的可穿戴设备来评估步长，但这些实验只在没有行走困难的健康受试者身上进行，基于小样本量，不允许泛化，设备本身佩戴不舒服，有时需要几个传感器。我们试图开发一种高效和方便的解决方案，适合有行走问题的人，如病人和老人，并允许在病人熟悉的环境中量化和收集全天的步长数据。我们的目标是开发一种算法，能够将IMU数据转化为准确的步长评估，并将其集成到可穿戴和舒适的设备中。”
为了开发该算法，研究人员使用了基于IMU传感器的步态数据，以及之前研究中常规测量的步长数据，这些数据来自472名不同疾病的受试者，如帕金森氏症患者、轻度认知障碍患者、健康老年人、年轻健康成年人和多发性硬化症患者。通过这种方式，收集了一个包含83,569个步骤的准确而多样的数据库。研究人员使用这些数据和机器学习方法来训练几个计算机模型，这些模型将IMU数据转化为对步长的估计。为了测试模型的稳健性，研究人员确定了各种模型在多大程度上可以准确地分析训练过程中未使用的新数据——一种被称为泛化的能力。
新模型提高步长精度
Assaf Zadka:“我们发现称为XGBoost的模型是最准确的，比目前用于估计步长的最先进的生物力学模型准确3.5倍。对于单个步骤，我们的模型的平均误差为6厘米，而传统模型预测的误差为21厘米。当我们对平均10步进行评估时，我们得出的误差小于5厘米——在专业文献中被称为“具有临床重要性的最小差异”的阈值，它允许确定受试者状况的显着改善或减少。换句话说，我们的模型是鲁棒和可靠的，可以用来分析来自受试者的传感器数据，其中一些有行走困难，不包括在原始训练集中”。
Hausdorff教授总结道:“在我们的研究中，我们与世界各地不同领域的研究人员合作，多学科的努力取得了可喜的成果。我们开发了一种机器学习模型，可以与可穿戴且易于使用的传感器集成，可以准确估计患者日常生活中的步长。以这种方式收集的数据可以对患者的病情进行连续、远程和长期的监测，也可以用于临床试验，以检查药物的有效性。基于我们令人鼓舞的结果，我们正在研究是否有可能根据智能手表传感器的数据开发类似的模型，这将进一步提高受试者的舒适度。”
本文来自作者[访客]投稿，不代表enkno号立场，如若转载，请注明出处：https://m.enkno.cn/zsfx/202508-9636.html
评论列表（4条）
我是enkno号的签约作者“访客”！
希望本篇文章《可穿戴设备将如何影响神经诊断？》能对你有所帮助！
本站[enkno号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：...