【技术实现步骤摘要】
使用机器学习算法识别跌倒风险本申请是2016年6月29日提交的申请号为201680039095.5的同名专利申请的分案申请。
本公开涉及机器学习算法。更具体地,本公开的部分涉及应用机器学习算法来确定患者平衡或识别患者跌倒风险。
技术介绍
在美国人口中,意外跌倒导致每年超过3万人死亡。老年人最容易跌倒,因此遭受每年有超过30万的髋部骨折。在髋部骨折的患者中,有50%的人再也回不到家中。导致这些跌倒事件的不良平衡常常在跌倒事件之前几十年下降,但是解决不良平衡的常规方法是在跌倒发生或者患者具有非常严重的平衡问题之后才寻求医学诊断和干预。事实上,当前对跌倒的最好预测是人是否已经跌倒。为了真正改进全国的跌倒统计,应该在第一次跌倒之前执行预防性干预。平衡与其他身体性能类似,可以通过练习改进,反之则会随着废用而恶化。众所周知,许多生活方式和健康因素(例如,运动、力量、睡眠、认知功能、维生素D补充和用药管理)影响个人的平衡。改变生活方式以改进平衡需要一些时间来建立其保护效果。测量平衡和跌倒风险提供了机会来检测健康和生活方式调整时可能发生的微妙的平衡变化。人类平衡控制系统是非常复杂的,利用三个或更多个感觉输入,创建运动输出的指令集合,每一个都具有受潜意识和有意识控制、经验、背景和个性所影响的不同策略。关于跌倒的情况进一步复杂化,因为跌倒的来源可能来自众多的内在和外在因素。因此,单独用一种对平衡的基本测量手段来预测跌倒是不够的。机器学习技术针对人类平衡控制系统提供的额外的洞察力和预测能力可以便于更准确地预测跌倒。 ...
【技术保护点】
1.一种方法,包括:/n由处理器从至少两个负载检测模块接收在一段时间内的多个负载数据点;/n通过将第一机器学习算法应用于所述多个负载数据点来至少部分地基于所述多个负载数据点确定多个姿势状态;/n至少部分地基于所述多个姿势状态来计算一个或多个基本间断平衡模型(PEM)稳定性度量,其中,所述基本间断平衡模型(PEM)稳定性度量包括对应于多个姿势状态的存在的度量;/n至少部分地基于所述多个姿势状态来计算一个或多个高级间断平衡模型(PEM)稳定性度量,其中,所述高级间断平衡模型(PEM)稳定性度量包括对应于所述多个姿势状态之间的关系的度量;以及/n至少部分地基于所述一个或多个基本间断平衡模型(PEM)稳定性度量以及所述一个或多个高级间断平衡模型(PEM)稳定性度量,来确定平衡分数。/n
【技术特征摘要】
20150630 US 62/186,3661.一种方法,包括:
由处理器从至少两个负载检测模块接收在一段时间内的多个负载数据点;
通过将第一机器学习算法应用于所述多个负载数据点来至少部分地基于所述多个负载数据点确定多个姿势状态;
至少部分地基于所述多个姿势状态来计算一个或多个基本间断平衡模型(PEM)稳定性度量,其中,所述基本间断平衡模型(PEM)稳定性度量包括对应于多个姿势状态的存在的度量;
至少部分地基于所述多个姿势状态来计算一个或多个高级间断平衡模型(PEM)稳定性度量,其中,所述高级间断平衡模型(PEM)稳定性度量包括对应于所述多个姿势状态之间的关系的度量;以及
至少部分地基于所述一个或多个基本间断平衡模型(PEM)稳定性度量以及所述一个或多个高级间断平衡模型(PEM)稳定性度量,来确定平衡分数。
2.根据权利要求1所述的方法,其中,所述第一机器学习算法包括隐式马尔科夫模型(HMM),并且所述HMM基于所述多个负载数据点对静态和动态姿势状态进行分类。
3.根据权利要求1所述的方法,其中,确定所述平衡分数的步骤包括将第二机器学习算法应用于所述一个或多个基本PEM稳定性度量和所述一个或多个高级PEM稳定性度量。
4.根据权利要求3所述的方法,其中,所述第二机器学习算法包括神经网络,其中,所述神经网络利用来自具有已知跌倒历史的个人的训练数据来进行训练。
5.根据权利要求1所述的方法,其中,确定所述平衡分数的步骤包括:使用人工智能技术从倒立摆模型(IPM)计算基本姿势稳定性度量,并且其中,所确定的平衡分数至少部分地基于所述基本姿势稳定性度量。
6.根据权利要求1所述的方法,还包括基于所述多个负载数据点计算至少一个基本非PEM度量,并且其中,确定所述平衡分数包括线性地集成所述一个或多个基本PEM稳定性度量、所述一个或多个高级PEM稳定性度量、以及所述至少一个基本非PEM度量的加权度量。
7.根据权利要求6所述的方法,其中,所述至少一个基本非PEM度量包括以下中的至少一个:峰值中间外侧摆动、峰值前后摆动、中间外侧摆动的标准偏差、前后摆动的标准偏差、平均速度、高于预定速度的试验的分数、95%摆动椭圆的半径、95%摆动圆的半径、以及均方根(RMS)速度。
8.根据权利要求1所述的方法,其中,所述一个或多个基本PEM稳定性度量包括以下中的至少一个:平衡数量、平衡中的停留时间、以及每一个平衡的大小,其中,所述高级PEM稳定性度量包括以下中的至少一个:平衡的时间、平衡距离、平衡重叠、平衡百分比、平均平衡持续时间、或方向平衡。
9.根据权利要求1所述的方法,还包括根据所述平衡分数对跌倒风险进行分类,其中,所述跌倒风险分类基于分类阈值。
10.根据权利要求1所述的方法,还包括:收集个人的历史数据,其中,至少部分地基于所述历史数据来确定所述平衡分数。
11.根据权利要求10所述的方法,其中,收集历史数据的步骤包括收集以下中的至少一个:临床记录、锻炼、生活方式输入、体重、体脂组成、体质指数、水合水平、药物消耗、饮酒消耗、睡眠、每天步数、锻炼、坐着花费的时间、或力量。
12.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员:K·福思,E·L·埃丹,
申请(专利权)人:兹布里奥有限公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。