自动评估平衡能力:一种机器学习方法
计算机与社会
2019-06-14 v1 机器学习
机器学习
摘要
与临床内的平衡训练相比,居家训练效果较差。这部分是由于缺乏物理治疗师(PTs)的反馈。在此,我们分析利用躯干摆动数据和机器学习(ML)技术自动评估平衡能力的可行性,以在诊所外提供准确评估。我们招募了十六名参与者进行站立平衡练习。针对每项练习,我们记录躯干摆动数据,并由物理治疗师按1至5分的标准对平衡表现进行评分。该评分标准改编自功能独立性评测。从躯干摆动数据中,我们提取了代表每项练习表现的61维特征向量。给定这些带标签数据,我们训练了一个多类支持向量机(SVM),将躯干摆动特征映射到物理治疗师评分。在留一参与者交叉验证方案下评估,该模型达到了82%的分类准确率。与参与者自评分数相比,SVM输出结果显著更接近物理治疗师评分。该试点研究的结果表明,在缺乏物理治疗师的情况下,ML技术可在站立平衡练习期间提供准确评估。此类自动化评估可减少物理治疗师咨询时间,并提高诊所以外用户的依从性。
引用
@article{arxiv.1906.05657,
title = {Automatically Evaluating Balance: A Machine Learning Approach},
author = {Tian Bao and Brooke N. Klatt and Susan L. Whitney and Kathleen H. Sienko and Jenna Wiens},
journal= {arXiv preprint arXiv:1906.05657},
year = {2019}
}
备注
8 pages, 4 figures, 5 tables