NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Merdivenleri tırmanmak günlük yaşamın temel bir parçasıdır ve seviyeli yürüyüşle karşılaştırıldığında postural kontrol sistemine ek talepler ekler. Gerçek dünya yürüyüş analizi çalışmaları büyük olasılıkla merdiven ambulasyon dizileri içermesine rağmen, bu tür faaliyetlerin analizine adanmış algoritmalar hala eksiktir. Bu nedenle, ayak-yıpranmış atalet sensörleri için, kademe yürüyüşünü, merdiven yükselişini ve merdiven inişini içeren sürekli yürüyüş dizilerinden basamakları segmentlendirebilen, parametrize edebilen ve sınıflandırabilen yeni bir yürüyüş analiz boru hattı sunuyoruz. Segmentasyon için, gizli Markov modeline dayanan mevcut bir yaklaşım ve özellik tabanlı yürüyüş olayı tespiti genişletildi ve tüm koşullar için ortalama% 98.5 F1 puan ve yürüyüş olayı zamanlama hataları 10 ms'nin altına ulaştı. Stride tipleri, Kalman filtre tabanlı yörünge rekonstrüksiyonundan türetilen mekansal özellikler kullanılarak% 98,2 doğrulukla sınıflandırıldı. Değerlendirme, farklı hızlarda üç farklı merdivende yürüyen 20 sağlıklı katılımcıdan oluşan bir veri setinde gerçekleştirildi. Tüm boru hattı, 13 Parkinson hastasından oluşan bağımsız bir veri setinde ayrıca uçtan uca doğrulandı. Sunulan çalışma, hastanın düşme riski ve hastalık durumu veya ilerlemesi gibi klinik olarak ilgili durumlarla bağlantılı olabilecek hareketlilik bozuklukları hakkında yeni bilgiler elde etmek için merdiven ambulasyon parametrelerini ekleyerek gerçek dünya yürüyüş analizini genişletmeyi amaçlamaktadır.
Özgün kaynak özetini okuyun
Climbing stairs is a fundamental part of daily life, adding additional demands on the postural control system compared to level walking. Although real-world gait analysis studies likely contain stair ambulation sequences, algorithms dedicated to the analysis of such activities are still missing. Therefore, we propose a new gait analysis pipeline for foot-worn inertial sensors, which can segment, parametrize, and classify strides from continuous gait sequences that include level walking, stair ascending, and stair descending. For segmentation, an existing approach based on the hidden Markov model and a feature-based gait event detection were extended, reaching an average segmentation F1 score of 98.5% and gait event timing errors below ±10ms for all conditions. Stride types were classified with an accuracy of 98.2% using spatial features derived from a Kalman filter-based trajectory reconstruction. The evaluation was performed on a dataset of 20 healthy participants walking on three different staircases at different speeds. The entire pipeline was additionally validated end-to-end on an independent dataset of 13 Parkinson's disease patients. The presented work aims to extend real-world gait analysis by including stair ambulation parameters in order to gain new insights into mobility impairments that can be linked to clinically relevant conditions such as a patient's fall risk and disease state or progression.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.