-
题名慢性前庭综合征的机器学习分类方法
- 1
-
-
作者
海子睿
吕子阳
马英楠
高星
-
机构
北京邮电大学理学院
北京市科学技术研究院智慧养老研究所
-
出处
《医用生物力学》
CAS
CSCD
北大核心
2024年第1期106-110,共5页
-
基金
国家重点研发计划项目(2018YFC2001400)。
-
文摘
目的 通过最大Lyapunov指数(the largest Lyapunov exponents,LLE)计算慢性前庭综合征(chronic vestibular syndrome,CVS)患者运动的非线性特征,并通过机器学习算法验证分类模型的有效性。方法 使用三维运动捕捉系统捕捉受试者的关节运动轨迹,通过LLE判断混沌态,计算混沌轨迹的特征作为输入,采用ID3决策树、Adaboost、C45决策树、贝叶斯分类、朴素贝叶斯、支持向量机7种分类器进行分类。结果 共有16个关节点的17组轨迹处在混沌态,实验组运动轨迹的平均能量、增强波长、峰度表现出显著性差异(P<0.05),ID3决策树分类器表现出了最优性能,预测精度、召回率、F_(1)分数均为100%。结论 混沌特征可能包含了CVS患者更多的个性差异,能够提高机器学习算法识别的准确性。研究结果可为CVS患者的早期识别和运动康复提供参考。
-
关键词
最大LYAPUNOV指数
非线性
混沌
机器学习
慢性前庭综合征
-
Keywords
the largest Lyapunov exponent(LLE)
nonlinearity
chaos
machine learning
chronic vestibular syndrom
-
分类号
R318.01
[医药卫生—生物医学工程]
-
