NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Kantitatif işaretleyici tabanlı 3D yürüyüş analizinde (3DGA) yeni makine öğrenme tekniklerinin son zamanlarda yaygınlaşması, klinik yürüyüş analizinin yorumlarını iyileştirme sözü verdi. Bu çalışmanın amacı, klinik analiz ve bakımı geliştirmek için kullanılabilecek klinik içgörüler sağlamak için işaretçi tabanlı 3D yürüyüş analizinin analizinde makine öğreniminin kullanılmasına ilişkin literatürün durumunu karakterize etmekti.Literatürün MethodsA tarama incelemesi PubMed ve Web of Science veritabanları kullanılarak yapılmıştır. İlgili sekiz makaleden arama terimleri yazarlar tarafından tanımlandı ve klinik yürüyüş analizi ve makine öğrenimi uzmanları tarafından eklendi. Inclusion, üç incelemecinin karar vermesiyle kararlaştırıldı.SonuçlarYorum, arama terimleriyle eşleşen 4324 makale tanımladı. Yargılamada 105 ilgili belge tespit edildi. En yaygın uygulanan teknikler şunlardı: destek vektör makineleri, sinir ağları (NNN'ler) ve lojistik regresyon. Değerlendirilen en yaygın klinik durumlar serebral palsi, Parkinson hastalığı ve inme sonrasıydı.ConclusionsML literatürde geniş bir şekilde kullanılmıştır ve derin öğrenmedeki son gelişmeler daha büyük veri kümelerinde daha başarılı olurken, geleneksel teknikler küçük veri kümelerinde sağlamdır ve NN'leri doğruluk ve açıklanabilirlik açısından daha iyi performans gösterebilir. XAI teknikleri model yorumlanabilirliğini artırabilir, ancak yaygın olarak kullanılmamıştır.
Özgün kaynak özetini okuyun
The recent proliferation of novel machine learning techniques in quantitative marker-based 3D gait analysis (3DGA) has shown promise for improving interpretations of clinical gait analysis. The objective of this study was to characterize the state of the literature on using machine learning in the analysis of marker-based 3D gait analysis to provide clinical insights that may be used to improve clinical analysis and care.MethodsA scoping review of the literature was conducted using the PubMed and Web of Science databases. Search terms from eight relevant articles were identified by the authors and added to by experts in clinical gait analysis and machine learning. Inclusion was decided by the adjudication of three reviewers.ResultsThe review identified 4324 articles matching the search terms. Adjudication identified 105 relevant papers. The most commonly applied techniques were the following: support vector machines, neural networks (NNs), and logistic regression. The most common clinical conditions evaluated were cerebral palsy, Parkinson's disease, and post-stroke.ConclusionsML has been used broadly in the literature and recent advances in deep learning have been more successful in larger datasets while traditional techniques are robust in small datasets and can outperform NNs in accuracy and explainability. XAI techniques can improve model interpretability but have not been broadly used.
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.