Оценка риска падения с использованием подходов гибридного машинного обучения и глубокого обучения, а также новой постурографии

Цель этого проекта — объединить новую постурографию на основе трекеров HTC VIVE и гибридных алгоритмов машинного и глубокого обучения для создания набора простых, удобных и достоверных инструментов оценки риска падения. В этом обсервационном и последующем исследовании будут участвовать пожилые люди в возрасте старше 60 лет. Исследователи соберут демографические данные, анкетные опросы, традиционные тесты на равновесие (шкала баланса Берга, Timed-up-and-go, 30-секундные тесты на вставание, четырехэтапные тесты на равновесие) и постурографию на основе трекера для получения туловища. параметры стабильности при различных стоячих задачах. Риск падения будет классифицироваться в соответствии с сообщениями о падениях за последний год и подтвержден в течение 6 месяцев.

Исследователи оценят производительность различных алгоритмов гибридного машинного обучения и глубокого обучения, чтобы извлечь важные особенности нескольких постурографических параметров и выбрать оптимальную модель. Исследователи будут использовать анализ кривой рабочих характеристик приемника, чтобы вычислить чувствительность, специфичность и точность различных алгоритмов классификации рисков, а также сравнить производительность с традиционными инструментами оценки баланса. Исследователи оценят корреляцию этих постурографических признаков с данными, полученными другими методами. Также будут проанализированы факторы риска предыдущих падений и будущих падений.