Modelos computacionales en la posturografía
Author:
Luengas Lely AdrianaORCID, Wanumen Silva Luis Felipe
Abstract
Objetivo: Realizar la clasificación y el mapeo de parámetros de balanceo corporal a partir de datos de posturografía estática para diferenciar individuos amputados transtibiales unilaterales de no amputados utilizando técnicas de aprendizaje automático y minería de datos.
Metodología: El balanceo corporal se midió en 74 individuos, 37 amputados por mina antipersonal y 37 controles sanos. Se clasificó la estabilidad según el grupo haciendo uso de aprendizaje automático. Se desarrolló un mapa bidimensional continuo de las alteraciones de la postura utilizando la teoría de la información de Shannon, la prueba de U Mann-Whitney(p<0.05) fue usada con el fin de identificar diferencias entre grupos.
Resultados: Se entrenaron cinco algoritmos de aprendizaje automático, un árbol de decisión, reglas de decisión, una red neuronal, una máquina de soporte vectorial y el clúster. La validación y la comparación se llevaron a cabo con las métricas obtenidas a partir de la matriz de confusión, utilizando validación cruzada para obtener dos subconjuntos. La condición de postura más discriminativa se clasificó como desplazamiento del centro de presión (CoP) lado no amputado dirección antero-posterior. El algoritmo de mayor desempeño fue la máquina de soporte vectorial y el de menor desempeño el clúster, sin embargo, todos los modelos realizaron clasificación de grupos con una puntuación F1 mayor a 0,4.
Conclusiones: El mapeo de las características del desplazamiento del balanceo en el espacio 2D reveló agrupaciones claras entre amputados y controles, lo cual confirma que el aprendizaje automático puede ayudar en la clasificación de patrones de balanceo clínico medidos con posturografía estática. Los modelos computacionales permiten evaluar de forma objetiva la estabilidad, así como reconocer el aporte de contralateral en el control de la postura bípeda estática ya que compensa la no existencia de los aferentes y eferentes de ipsilateral.
Financiamiento: Artículo de investigación científica derivado del proyecto de investigación “Caracterización de la Estabilidad en Amputados Transtibiales Unilaterales”, financiado por la Universidad Distrital Francisco José de Caldas, Bogotá, Colombia.
Publisher
Universidad Distrital Francisco Jose de Caldas
Reference57 articles.
1. Abdul Razak, A. H., Zayegh, A., Begg, R. K. y Wahab, Y. (2012). Foot plantar pressure measurement system: A review. Sensors, 12(7), 9884-9912. https://doi.org/10.3390/s120709884 2. Ahmadi, S., Vivar, G., Navab, N., Möhwald, K., Maier, A., Hadzhikolev, H., Brandt, T., Grill, E., Dieterich, M., Jahn, K. y Zwergal, A. (2020). Modern machine‑learning can support diagnostic diferentiation. Journal of Neurology, 267(1), 143-152. https://doi.org/10.1007/s00415-020-09931-z 3. Albertsen, I. M., Ghédira, M., Gracies, J. M. y Hutin, É. (2017). Postural stability in young healthy subjects – Impact of reduced base of support, visual deprivation, dual tasking. Journal of Electromyography and Kinesiology, 33, 27-33. https://doi.org/10.1016/j.jelekin.2017.01.005 4. Amato, F., López, A., Peña-Méndez, E. M., Vaňhara, P., Hampl, A. y Havel, J. (2013). Artificial neural networks in medical diagnosis. Journal of Applied Biomedicine, 11, 47-58. http://www.sciencedirect.com/science/article/pii/S1214021X14600570 https://doi.org/10.2478/v10136-012-0031-x 5. Arifin, N., Abu Osman, N. A., Ali, S., Gholizadeh, H. y Wan Abas, W. A. B. (2014). Postural stability characteristics of transtibial amputees wearing different prosthetic foot types when standing on various support surfaces. Scientific World Journal, 2014, 856279. https://doi.org/10.1155/2014/856279
|
|