機械学習と深層学習のハイブリッド アプローチと新しいポスチュログラフィーを使用した転倒リスク評価

このプロジェクトの目的は、HTC VIVE トラッカーとハイブリッド機械学習およびディープ ラーニング アルゴリズムに基づいた新しい姿勢記録を組み合わせて、シンプルで便利で有効な転倒リスク評価ツールのセットを確立することです。 この観察研究とフォローアップ研究は、60 歳以上の高齢者を対象としています。 調査官は、人口統計データ、アンケート調査、従来のバランス テスト (Berg バランス スケール、Timed-up-and-go、30 秒-立位、4 段階のバランス テスト)、およびトラッカー ベースのポスチュログラフィーを収集して体幹を取得します。異なるスタンディングタスクでの安定性パラメーター。 転倒リスクは、過去 1 年間の自己申告による転倒に基づいて分類され、6 か月間のフォローアップで検証されます。

研究者は、さまざまなハイブリッド機械学習とディープ ラーニング アルゴリズムのパフォーマンスを評価して、複数の posturographic パラメータの重要な特徴を抽出し、最適なモデルを選択します。 調査員は、受信者動作特性曲線分析を使用して、リスク分類のさまざまなアルゴリズムの感度、特異性、および精度を計算し、パフォーマンスを従来のバランス評価ツールと比較します。 研究者は、これらの posturographic 機能と他の方法で得られたデータの相関関係を評価します。 過去の転倒と将来の転倒の危険因子も分析されます。