中风幸存者的最小足部间隙预测:基于Transformer的方法
《IEEE Transactions on Neural Systems and Rehabilitation Engineering》:Minimum Foot Clearance Prediction in Stroke Survivors: A Transformer-Based Approach
【字体:
大
中
小
】
时间:2026年05月20日
来源:IEEE Transactions on Neural Systems and Rehabilitation Engineering 5.2
编辑推荐:
摘要: 最小足部间隙(MFC)的减小是指在步态周期的摆动阶段,脚部与地面之间的最小垂直距离。这一因素是导致中风患者跌倒的主要原因之一。准确预测未来的MFC值、了解其潜在范围以及评估未来值是否会在实际MFC值的变异范围内,对于早期跌倒风险评估至关重要。本研究提出了一种新的Tran
摘要:
最小足部间隙(MFC)的减小是指在步态周期的摆动阶段,脚部与地面之间的最小垂直距离。这一因素是导致中风患者跌倒的主要原因之一。准确预测未来的MFC值、了解其潜在范围以及评估未来值是否会在实际MFC值的变异范围内,对于早期跌倒风险评估至关重要。本研究提出了一种新的Transformer模型,用于预测中风患者在跑步机上行走时受影响下肢的多步MFC值,该模型采用了双头自注意力机制。我们引入了一种数据驱动的条件归一化投影方法来提高多步MFC值预测的性能。此外,在训练过程中我们还引入了统计矩匹配损失函数,以考虑数据中的显著变异,例如中风患者所表现出的变异。我们将我们的模型与其他两种深度学习模型的性能进行了比较。研究结果表明,使用留一法交叉验证(LOOCV),Transformer模型的训练速度更快,平均绝对误差(MAE)约为0.0035,最大绝对误差(MaxAE)为0.0085,均方根误差(RMSE)为0.0043。其中,自注意力LSTM模型的预测准确率最高,达到约89%(在预测值的上限范围内)。我们工作的主要贡献在于能够识别出哪些中风患者由于受影响下肢的MFC值较低而面临更高的跌倒风险。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号