NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
BackgroundSensor tabanlı teknolojiler, düşme riski değerlendirmesinde yaygın olarak kullanılmaktadır. Modelin sağlamlığını ve güvenilirliğini artırmak için, belirli bireylerin yanlış sınıflandırılmasına katkıda bulunan faktörleri analiz etmek ve tartışmak çok önemlidir, amaca yönelik ve yorumlanabilir bir iyileştirme sağlar.MetodlarBu çalışma, zayıf ayak özelliği uzayından gözlemlenen zayıf ayak tarafında kesintisiz yüksek riskli bir yürüyüşle karakterize edilen "Gerekli zayıf ayak (RWF)" olarak adlandırılan anormal bir yürüyüş modeli tanımladı. Bu durum, düşme riski değerlendirme modellerinin eğitimini ve performansını olumsuz yönde etkiledi. Bunu ele almak için, bireyleri bu kalıpla ayırt etmek için eğitilebilir bir eşik yöntemi önerdik, böylece modelin genelleme performansını artırdık. Kendi kendine kurulmuş iki veri kümesi üzerinde fizibilite ve ablasyon çalışmaları yaptık ve iki yayınlanmış yürüyüşle ilgili Parkinson hastalığı (PD) veri kümesindeki uyumluluğu test ettik.ResultsÖzelleştirilmiş bir indeks ve optimize edilmiş adaptif eşiklerle donatılmış, yöntemimiz RWF bireyleri etkili bir şekilde taradı. Özellikle, ince adaptasyondan sonra, kişiye özel modeller geliştirilmiş bir veri kümesinde %87,5 ve %73,6'lık bir başarı elde edebildi. Taban çizgisine kıyasla, önerilen iki aşamalı model, %85,4 doğruluk ve %87,5 hassasiyetle geliştirilmiş performans gösterdi. PD veri kümesinde, yöntemimiz düşük özellik boyutlarından kaynaklanan potansiyel aşırı uyumu hafifletti, doğruluğu %4.7 artırdı.Sonuçlarımız, modelin yürüyüş desenlerindeki bireysel farklılıkları hesaba katmasına izin vererek önerilen yöntemin model genellemesini artırdığını ve kalite kontrolü için etkili bir araç olarak hizmet ettiğini ve yanlış tanıların azaltılmasına yardımcı olduğunu göstermektedir. RWF yürüyüş paterninin tanımlanması, ilgili çalışmalarla ve teorilerle bağlantılara yol açtı ve daha fazla araştırma için yollar önerdi. Bu yürüyüş modelinin etkilerini daha fazla araştırmak ve yöntemin uyumluluğunu doğrulamak için gelecekteki araştırmalara ihtiyaç vardır.
Özgün kaynak özetini okuyun
BackgroundSensor-based technologies have been widely used in fall risk assessment. To enhance the model's robustness and reliability, it is crucial to analyze and discuss the factors contributing to the misclassification of certain individuals, enabling purposeful and interpretable refinement.MethodsThis study identified an abnormal gait pattern termed "Recessive weak foot (RWF)," characterized by a discontinuous high-risk gait on the weak foot side, observed through weak foot feature space. This condition negatively affected the training and performance of fall risk assessment models. To address this, we proposed a trainable threshold method to discriminate individuals with this pattern, thereby enhancing the model's generalization performance. We conducted feasibility and ablation studies on two self-established datasets and tested the compatibility on two published gait-related Parkinson's disease (PD) datasets.ResultsGuided by a customized index and the optimized adaptive thresholds, our method effectively screened out the RWF individuals. Specifically, after fine adaptation, the individual-specific models could achieve accuracies of 87.5% and 73.6% on an enhanced dataset. Compared to the baseline, the proposed two-stage model demonstrated improved performance, with an accuracy of 85.4% and sensitivity of 87.5%. In PD dataset, our method mitigated potential overfitting from low feature dimensions, increasing accuracy by 4.7%.ConclusionsOur results indicate the proposed method enhanced model generalization by allowing the model to account for individual differences in gait patterns and served as an effective tool for quality control, helping to reduce misdiagnosis. The identification of the RWF gait pattern prompted connections to related studies and theories, suggesting avenues for further research. Future investigations are needed to further explore the implications of this gait pattern and verify the method's compatibility.
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.