Generation of synthetic gait data: application to multiple sclerosis patients’ gait patterns

要約

多発性硬化症（MS）は、若年成人における重度の非外傷性障害の主な原因であり、その発生率は世界中で増加しています。
MS における歩行障害にはばらつきがあるため、定量的な歩行評価のための非侵襲的で感度が高く、コスト効率の高いツールの開発が必要です。
eGait 運動センサーは、股関節の回転を表す単位四元数時系列 (QTS) を通じて人間の歩行を特徴付けるように設計されており、有望なアプローチです。
ただし、臨床研究ではサンプルサイズが小さいため、歩行データ分析ツールの安定性に課題が生じます。
これらの課題に対処するために、この記事では 2 つの重要な科学的貢献を紹介します。
まず、表形式の合成データ生成方法の使用を可能にしながら、歩行の本質的な幾何学的特性を保存する形式に QTS データを変換するための包括的なフレームワークが提案されます。
次に、最近傍重み付けに基づく合成データ生成方法が導入され、小規模なデータセットやプライベート データ環境に適した高忠実度の合成 QTS データが生成されます。
提案された方法の有効性は、MS 歩行データへの適用を通じて実証され、データの初期形状が非常に優れた忠実性と尊重されていることを示しています。
この作業のおかげで、合成データセットを作成し、クラスタリング手法の安定性に取り組むことができます。

要約(オリジナル)

Multiple sclerosis (MS) is the leading cause of severe non-traumatic disability in young adults and its incidence is increasing worldwide. The variability of gait impairment in MS necessitates the development of a non-invasive, sensitive, and cost-effective tool for quantitative gait evaluation. The eGait movement sensor, designed to characterize human gait through unit quaternion time series (QTS) representing hip rotations, is a promising approach. However, the small sample sizes typical of clinical studies pose challenges for the stability of gait data analysis tools. To address these challenges, this article presents two key scientific contributions. First, a comprehensive framework is proposed for transforming QTS data into a form that preserves the essential geometric properties of gait while enabling the use of any tabular synthetic data generation method. Second, a synthetic data generation method is introduced, based on nearest neighbors weighting, which produces high-fidelity synthetic QTS data suitable for small datasets and private data environments. The effectiveness of the proposed method, is demonstrated through its application to MS gait data, showing very good fidelity and respect of the initial geometry of the data. Thanks to this work, we are able to produce synthetic data sets and work on the stability of clustering methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google