Bärbar sensorteknik och AI förenklar och förbilligar distansbedömning av balans i ny studie
StockholmForskare vid Florida Atlantic Universitys College of Engineering and Computer Science har utvecklat en ny metod för att mäta balans. Denna metod använder sensorer som människor bär samt smarta datorprogram. Den kan hjälpa till att förbättra hur balansproblem övervakas, särskilt för vård i hemmet eller på äldreboenden.
Traditionella balansprov har vissa nackdelar. De kräver ofta dyr och speciell utrustning. Resultaten kan variera beroende på klinikerns kompetens. Dessutom kan dessa tester inte utföras på distans. Därför behöver vi bättre och mer omfattande verktyg.
Den nya metoden använder sig av bärbara sensorer som fästs på kroppen. I studien placerades sensorer på deltagarnas vrister, nedre rygg, bröst, handled och arm. Forskare använde det Modifierade Kliniska Testet av Sensorisk Interaktion på Balans (m-CTSIB) för att mäta hur väl en person kan hålla balansen i olika sensoriska situationer.
- Ögon öppna på en stabil yta
- Ögon stängda på en stabil yta
- Ögon öppna på en skumyta
- Ögon stängda på en skumyta
Varje test varade cirka 11 sekunder utan uppehåll. Detta gjorde balanstesterna kontinuerliga och snabbade upp utvärderingsprocessen.
Forskare använde IMU-sensorer och ett särskilt system för att samla in rörelsedata. De bearbetade denna data och extraherade många funktioner för analys. För att uppskatta m-CTSIB-poäng använde de multiple linear regression, support vector regression och XGBOOST-algoritmer. Ingången till dessa maskininlärningsmodeller kom från den bärbara sensordatan. m-CTSIB-poängen från Falltrak II användes som sanna etiketter för att träna och validera modellerna.
Forskarna utvecklade flera maskininlärningsmodeller för att förutsäga m-CTSIB-poäng med hjälp av data från bärbara sensorer. De undersökte också vilka sensorplaceringar som var mest lämpliga för att analysera balans. Resultaten visade att modellerna var mycket exakta och stämde väl överens med de faktiska balanspoängen.
21 november 2024 · 15:27
USA dominerar AI-innovation, lämnar Kina bakom i Stanford-rankning
Data från sensorer på nedre delen av ryggen och den dominerande ankeln gav de bästa resultaten för att uppskatta balanspoäng. Detta betonar vikten av att placera sensorerna på rätt ställen för att noggrant registrera balansjusteringar och rörelser.
Dr. Behnaz Ghoraani, en professor vid FAU, nämnde att bärbara sensorer är ett praktiskt och kostnadseffektivt sätt att övervaka rörelser. Dessa sensorer, placerade på nedre delen av ryggen och benen, ger värdefull information om hur människor rör sig. Detta är viktigt för att bedöma fallrisk hos olika grupper av människor.
Dr. Stella Batalama, dekan vid FAU College of Engineering and Computer Science, påpekade att denna metod är både lättare att använda och billigare. Den kan hanteras på distans, vilket kan ha stor betydelse för vården, rehabilitering och idrottsvetenskap.
Studien syftade till att utveckla bättre verktyg för att mäta balans. Traditionella metoder för att kontrollera balans saknar tillräcklig precision, vilket gör det svårt att förstå och behandla balansproblem. Bärbara enheter är till hjälp eftersom de gör det möjligt för läkare att övervaka patienters balans på distans.
Forskningsresultaten publicerades i Frontiers in Digital Health. De visar att denna nya metod kan förändra hur balans mäts, särskilt på platser där nuvarande metoder inte kan användas eller är svåra att få tag på.
Studien publiceras här:
http://dx.doi.org/10.3389/fdgth.2024.1366176och dess officiella citering - inklusive författare och tidskrift - är
Marjan Nassajpour, Mustafa Shuqair, Amie Rosenfeld, Magdalena I. Tolea, James E. Galvin, Behnaz Ghoraani. Objective estimation of m-CTSIB balance test scores using wearable sensors and machine learning. Frontiers in Digital Health, 2024; 6 DOI: 10.3389/fdgth.2024.136617620 november 2024 · 17:56
AI lär sig att känna av ytor med hjälp av banbrytande kvantteknik och laserprecision
20 november 2024 · 01:02
Kraftfull AI för mobilen: Kompakta språkmodeller som sparar energi och främjar integritet
18 november 2024 · 14:36
Mindre djur, större precision: ny AI-teknik för avancerade beteendestudier av möss
Dela den här artikeln