Исследователи из Тель-Авивского университета (ТАУ) и Тель-Авивского медицинского центра Сураски (TASMC) провели междисциплинарное международное исследование, в ходе которого была разработана инновационная модель для точной оценки длины шага, основанная на машинном обучении.
Дело в том, что продолжительность между шагами может свидетельствовать о ранних признаках различных неврологических заболеваний и отслеживать их обострение.
Длина шага обычно уменьшается с возрастом, а также у людей с неврологическими расстройствами.
Алгоритм, разработанный исследователями, преобразует данные с небольшого, водонепроницаемого, легкого, носимого датчика, прикрепленного скотчем к нижней части спины, который обеспечивает точную оценку длины каждого шага. Он примерно в четыре раза точнее, чем традиционные биомеханические модели.
Предыдущие исследования изучали носимые устройства на основе датчиков, называемых инерционными измерительными блоками (IMU), для оценки длины шага. Однако упомянутые эксперименты проводились с использованием устройств, которые было неудобно носить, что иногда приводило к необходимости использования нескольких датчиков одновременно. Они также проводились только со здоровыми людьми, у которых не было проблем с ходьбой, и основывались на небольшом размере выборки, не позволяющем делать соответствующие обобщения.
Эксперт по машинному обучению профессор Нета Рабин, также входившая в группу исследователей, рассказывает: «Мы хотели решить проблему, используя системы IMU — легкие и относительно дешевые датчики, которые в настоящее время установлены в каждом телефоне и умных часах и измеряют параметры, связанные с ходьбой. Целью было разработать алгоритм, который мог бы преобразовать данные IMU в точную оценку длины шага и интегрировать его в носимое и удобное устройство».
Команда добилась успеха, используя данные о походке и длине шага на основе датчиков IMU, измеренные традиционным способом в предыдущем исследовании у 472 человек с болезнью Паркинсона, легкими когнитивными нарушениями или рассеянным склерозом, а также у здоровых пожилых и молодых людей.
Исследователи использовали данные для обучения ряда компьютерных моделей, которые переводили данные IMU в оценку длины шага. Чтобы проверить точность моделей, они определили, в какой степени различные модели могут правильно анализировать новые данные, которые не использовались в процессе обучения.
