生物医学工程与医疗设备杂志
开放获取

抽象的

使用基于机器学习的分类进行不对称检测的移动智能步态评估系统

Sebastian Márquez J、Roozbeh Atri、Masudur R Siddiquee、Connie Leung 和欧白

步态不对称的特征是对侧肢体之间的动态差异，已被证明是由疾病、年龄、临床干预和肢体优势引起的。在本研究中，开发了一种移动步态评估系统，用于评估具有模拟腿长差异（sLLD）的人的步态不对称性。LLD 是一种影响 40-70% 人群的疾病，当四肢之间的差异超过 3.7% 时，需要临床干预。在临床外应用中，动态步态对称系统可用于基于客观时间和动力学特征来监测术后结果。为此，设计并测试了无线步态对称系统，以测量鞋垫磨损压力传感器的地面反作用力。从 9 名受试者中提取了 13 个指标，并进行了线性判别分析以进行特征选择。机器学习分类器用于区分正常行走和 sLLD。将多数投票应用于 Ensemble AdaBoost 树分类器，整体准确率为 89.9%，误报率为 3.9%，灵敏度为 83.6%。结果表明，可穿戴传感器是使用机器学习在诊所外监测不对称性的可行选择。