声学特征作为膝关节健康生物标志物：批判性分析
信号处理
2024-12-02 v1 声音
音频与语音处理
摘要
膝关节声学评估长期以来都作为临床可用医学影像工具的替代方案，然而该模式尚未被采纳到医疗实践中。当前领域由处理声学特征的机器学习模型主导，这些模型展现了有前景的诊断性能。然而，这些方法忽略了音频信号的复杂多源本质以及潜在机制。通过针对这一关键性空白，本文引入了一种新颖的因果框架，用于验证膝关节声学特征。我们认为当前用于膝关节诊断的机器学习方法缺乏必要的保证，因而无法将声学特征归类为生物标志物。我们的框架建立了验证此论断所必需的一组基本理论保证。我们将方法应用于三个真实世界实验，探讨研究人员期望值、实验程序以及所用可穿戴传感器的影响。该调查揭示了潜在问题，如隐式的捷径学习和性能膨胀。这项研究是该领域第一次独立的结果复现研究。我们以我们的发现为指导，为在未来研究中导航这些关键局限性提供了可操作的见解。
引用
@article{arxiv.2405.15085,
title = {Acoustical Features as Knee Health Biomarkers: A Critical Analysis},
author = {Christodoulos Kechris and Jerome Thevenot and Tomas Teijeiro and Vincent A. Stadelmann and Nicola A. Maffiuletti and David Atienza},
journal= {arXiv preprint arXiv:2405.15085},
year = {2024}
}