机器学习有助于发现多发性硬化症患者的步态问题

机器学习有助于发现多发性硬化症患者的步态问题
研究人员Manuel Hernandez,Rachneet Kaur和Richard Sowers开发了一种机器学习算法,可以帮助医生在具有多发性硬化症的人们中发现步态,并确定它们是否是疾病或健康老化的结果。信用:L. Brian Stauffer

监测多发性硬化症相关步态问题的进展对超过50岁的成年人是具有挑战性的,需要临床医生区分与MS相关的问题和其他年龄相关的问题。为了解决这个问题,研究人员正在整合步态数据和机器学习,以改进用于监测和预测疾病进展的工具。

由伊利诺伊大学厄本那香槟分校的研究生拉赫尼特·考尔、运动机能学和社区健康教授曼努埃尔·埃尔南德斯以及工业和企业工程和数学教授理查德·索尔斯领导的一项关于这种方法的新研究发表在了该杂志上电子电气工程师协会生物医学工程交易

多发性硬化症可以在许多方面存在于大约200万人,它影响全球影响,行走问题是一种常见的症状。研究报告,大约一半的患者需要在15年内进行行走援助。

Hernandez说:“我们想了解衰老与多发性硬化症相关病变之间的相互作用,以及我们是否也能区分老年多发性硬化症患者的这两种病变。”“机器学习技术似乎在发现性能中隐藏的复杂变化方面特别有效。我们假设这些分析技术在预测突发事件时也可能有用与MS的人变化。“

使用仪表跑步机,团队收集了步态数据标准化以及20名患有多发性硬化症的成年人和20名年龄、体重、身高和性别匹配的人在没有ms的情况下,参与者以舒适的步伐行走75秒,同时专门的软件捕捉步态事件、相应的地面反应力和每次行走时的压力中心位置。研究小组提取了每个参与者步态的空间、时间和动力学特征,以检查在每次试验中步态的变化。

各种步态功能的变化,包括称为蝴蝶图的数据功能,帮助团队检测参与者之间的步态模式的差异。研究报告,该图从从重复的压力中心产生的蝴蝶形曲线中的名字从重复的压力中心产生的蝴蝶形曲线产生了它的名称,并且与关键的神经功能相关,研究报告。

“我们研究了一种基于步态动力学的机器学习框架的有效性,以从健康对照中对患有多发性硬化症的老年人的步数进行分类,从而在不同的步行任务和新课题上进行概括,”Kaur说。“这一提出的方法是一个进步,为医疗专业人员开发了一种评估指标,以预测老年多发性硬化症患者的症状可能在近期内恶化。”

Sowers说,未来的研究可以提供更全面的检查来管理研究的小队列规模。

“散步等生物力学系统是模型不良的系统,使得在临床环境中难以发现问题”,“播种机说。“在这项研究中,我们正试图从包括许多每个人的数据集中的数据集中提取结论,而是少数个体。该研究的结果在临床机学习的疾病预测策略领域进行了显着的进展。“


进一步探索

步行模式的差异可以预测老年人的认知衰退的类型

更多信息:Rachneet Kaur等,使用仪表跑步机预测来自步态动态的多发性硬化 - 机器学习方法,IEEE生物医学工程汇刊(2020)。DOI: 10.1109 / TBME.2020.3048142
引用:机器学习有助于点击多发性硬化症(2021,3月29日)从HTTPS://medicalXpress.com/news/2021-03-machine-gait-problems-indiventuals-multiple.html检索到多发性硬化症中的人的步态问题
本文件受版权保护。除以私人学习或研究为目的的公平交易外,未经书面许可不得转载任何部分。内容仅供参考之用。
116股票

反馈到编辑

用户评论