功能性步态障碍的自动分类
计算机视觉与模式识别
2022-02-09 v2
摘要
本文提出一项仅基于地面反作用力（GRF）测量对功能性步态障碍进行自动分类的综合研究。本研究的目的有二：（1）考察最先进的 GRF 参数化技术（表示）对于区分功能性步态障碍的适用性；（2）针对大规模数据集提供功能性步态障碍自动分类的首个性能基线。所用数据库包含来自 279 名步态障碍（GDs）患者的 GRF 测量数据以及 161 名健康对照（N）的数据。患者被手动分为四类，分别伴有与“髋”、“膝”、“踝”和“跟骨”相关的不同功能损伤。研究了不同的参数化方法：GRF 参数、基于全局主成分分析（PCA）的表示，以及在 GRF 参数上应用 PCA 的组合表示。通过线性判别分析（LDA）考察每种参数化对不同类别的判别能力。基于此分析，进行了两项分类实验：（1）健康与受损步态的区分（N 对 GD）；（2）健康步态与全部四类 GD 之间的多类分类。实验显示出有前景的结果，并揭示出除其他因素外，若干因素（如类别基数不平衡以及每名患者测量次数不同）对分类精度有强烈影响，因此需要加以考虑。这些结果代表了朝向步态障碍自动分类的有前景的第一步，并为该方向的未来发展提供了首个性能基线。
引用
@article{arxiv.1712.06405,
title = {Automatic Classification of Functional Gait Disorders},
author = {Djordje Slijepcevic and Matthias Zeppelzauer and Anna-Maria Gorgas and Caterine Schwab and Michael Schüller and Arnold Baca and Christian Breiteneder and Brian Horsak},
journal= {arXiv preprint arXiv:1712.06405},
year = {2022}
}
备注
9 pages, 3 figures, IEEE Journal of Biomedical and Health Informatics