基于自由手写指标的年龄组判别
机器学习
2023-10-02 v1 人工智能
摘要
全球老年人口的不断增长预计将提高衰弱症的患病率，给医疗系统带来重大挑战。衰弱作为一种与衰老相关的综合征，以渐进性健康衰退、对应激源的脆弱性增加以及死亡风险升高为特征。它构成公共健康的重大负担，并降低患者的生活质量。缺乏普遍接受的衰弱评估方法和标准化定义凸显了关键的研究空白。鉴于此空白及早期预防的重要性，本研究提出一种创新方法，使用带传感器的墨水笔以生态化方式评估手写用于年龄组分类。分析了来自 80 名不同年龄段（20–40、41–60、61–70 及 70 岁以上）健康参与者的无内容手写数据。从原始数据中计算出 14 个与手势和震颤相关的指标，并用于五项分类任务。这些任务包括使用 Catboost 和 Logistic Regression 分类器区分相邻与非相邻年龄组。结果表明分类器性能优异，准确率介于 82.5% 至 97.5%，精确率介于 81.8% 至 100%，召回率介于 75% 至 100%，ROC-AUC 介于 92.2% 至 100%。由 SHAP 分析促成的模型可解释性揭示了时间与震颤相关手写特征的年龄依赖性敏感性。重要的是，该分类方法为在远程家庭监测等非受控环境中早期检测异常衰老迹象提供了可能，从而应对衰弱检测的关键问题，并有助于改善老年人照护。
引用
@article{arxiv.2309.17156,
title = {Age Group Discrimination via Free Handwriting Indicators},
author = {Eugenio Lomurno and Simone Toffoli and Davide Di Febbo and Matteo Matteucci and Francesca Lunardini and Simona Ferrante},
journal= {arXiv preprint arXiv:2309.17156},
year = {2023}
}