Explainable AI and Machine Learning Towards Human Gait Deterioration Analysis

要約

拡大する研究分野である歩行分析では、さまざまな用途に非侵襲的なセンサーと機械学習技術が採用されています。
この研究では、パーキンソン病 (PD) および二重課題条件下での認知機能低下を検出するための歩行分析に焦点を当てています。
畳み込みニューラル ネットワーク (CNN) と説明可能な機械学習を使用して、歩行データを客観的に分析し、結果を臨床的に関連するバイオマーカーと関連付けます。
これは、機械学習の出力を、人間の視覚的観察や導き出された定量的な歩行パラメータに基づく決定に結び付けることで実現されます。これらのパラメータは、現在の医療現場でテストされ日常的に実装されています。
PD の認知機能低下による歩行悪化の分析により、地面反力 (GRF) データから PD 重症度を評価するために提案された方法を使用して、堅牢な結果が得られます。
各 PhysioNet.org データセットについては 98% の F1 スコア、結合された PhysioNet データセットについては 95.5% の F1 スコアの分類精度を達成しました。
臨床的に観察可能な特徴をモデルの出力にリンクすることにより、PD の重症度が歩行に及ぼす影響を実証します。
さらに、健康な歩行分析における認知負荷の重要性を調査し、その結果、被験者の身元確認において 100% の F1 スコアという堅牢な分類精度が得られました。
また、Layer Wise Relevance Propagation を使用して、モデルの予測に重要な弱い特徴も特定します。
この研究の注目すべき発見は、健康な歩行における認知負荷とPD歩行における認知低下の両方の分類ケースにおいて、歩行に対する認知機能の低下の影響が体のバランスと足の着地/持ち上げのダイナミクスに影響を与えることを明らかにしている。

要約(オリジナル)

Gait analysis, an expanding research area, employs non invasive sensors and machine learning techniques for a range of applicatio ns. In this study, we concentrate on gait analysis for detecting cognitive decline in Parkinson’s disease (PD) and under dual task conditions. Using convolutional neural networks (CNNs) and explainable machine learning, we objectively analyze gait data and associate findings with clinically relevant biomarkers. This is accomplished by connecting machine learning outputs to decisions based on human visual observations or derived quantitative gait parameters, which are tested and routinely implemented in curr ent healthcare practice. Our analysis of gait deterioration due to cognitive decline in PD enables robust results using the proposed methods for assessing PD severity from ground reaction force (GRF) data. We achieved classification accuracies of 98% F1 sc ores for each PhysioNet.org dataset and 95.5% F1 scores for the combined PhysioNet dataset. By linking clinically observable features to the model outputs, we demonstrate the impact of PD severity on gait. Furthermore, we explore the significance of cognit ive load in healthy gait analysis, resulting in robust classification accuracies of 100% F1 scores for subject identity verification. We also identify weaker features crucial for model predictions using Layer Wise Relevance Propagation. A notable finding o f this study reveals that cognitive deterioration’s effect on gait influences body balance and foot landing/lifting dynamics in both classification cases: cognitive load in healthy gait and cognitive decline in PD gait.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google