ニューラルネットワークモデリングを使用して脳性麻痺患者における歩行パターン認識

背景：最新の3D歩行分析から得られた歩行データの解釈は、挑戦的で時間のかかるタスクです。この研究の目的は、治療後および治療後および通常のパターンからの歩行パターンを認識できるニューラルネットワークモデルを作成することでした。ニューラルネットワークは、経験から学ぶという原則に基づいて機能し、得られた知識を使用して未知を予測する方法です。 方法：脳性麻痺の28人の患者が、治療後および治療後の歩行が分析された被験者として募集されました。26人の正常被験者のグループも、この研究に対照群として参加しました。すべての被験者の歩行は、Vicon Nexusを使用して分析され、両四肢の3つの平面で股関節、膝、足首の関節の歩行パラメーターと運動学的および運動学的パラメーターを取得しました。歩行データは、ニューラルネットワークモデルを作成するための入力として使用されました。合計約300の試験が70％と30％に分割され、それぞれモデルを訓練およびテストしました。さまざまなパラメーターを使用して、さまざまなモデルが構築されました。歩行モードは、3つのパターン、すなわち、通常、前、および治療後の3つのパターンに分類されました。 結果：結果は、すべてのパラメーターを使用しているモデルまたはジョイントアングルとモーメントを使用してモデルが約95％の精度で歩行パターンを予測できることを示しました。たとえば、モデルの一部は、ジョイントパワーとモーメントを使用しているモデルでは、約70〜90％の比率で歩行パターンの認識が低かった。 結論：ニューラルネットワークモデルは、脳性麻痺患者の歩行パターンを認識するために臨床診療で使用できます。

BACKGROUND: Interpretation of gait data obtained from modern 3D gait analysis is a challenging and time consuming task. The aim of this study was to create neural network models which can recognise the gait patterns from pre- and post-treatment and the normal ones. Neural network is a method which works on the principle of learning from experience and then uses the obtained knowledge to predict the unknowns. METHODS: Twenty-eight patients with cerebral palsy were recruited as subjects whose gait was analysed in pre and post-treatment. A group of twenty-six normal subjects also participated in this study as control group. All subjects' gait was analysed using Vicon Nexus to obtain the gait parameters and kinetic and kinematic parameters of hip, knee and ankle joints in three planes of both limbs. The gait data was used as input to create neural network models. A total of approximately 300 trials were split into 70% and 30% to train and test the models, respectively. Different models were built using different parameters. The gait modes were categorised as three patterns, i.e., normal, pre- and post-treatments. RESULTS: The results showed that the models using all parameters or using the joint angles and moments could predict the gait patterns with approximately 95% accuracy. Some of the models e.g., the models using joint power and moments, had lower rate in recognition of gait patterns with approximately 70-90% successful ratio. CONCLUSION: Neural network models can be used in clinical practice to recognise the gait pattern for cerebral palsy patients.