गति वर्गीकरण के लिए एक मशीन लर्निंग ढांचा: वृद्ध, स्ट्रोक के बाद और हंटिंगटन रोग के रोगियों के लिए आवेदन

मशीन लर्निंग विधियों का उपयोग गति आकलन के लिए स्थान-कालिक पैरामीटर के अनुमान के माध्यम से किया गया है। इस कार्य का उद्देश्य विभिन्न रोगात्मक गतियों के वर्गीकरण के लिए एक सामान्य संभाव्य मॉडलिंग दृष्टिकोण का प्रस्ताव और मान्यता देना है। विशेष रूप से, प्रस्तुत विधि को दो रोगात्मक जनसंख्याओं (हंटिंगटन रोग और पोस्ट-स्ट्रोक विषयों) और स्वस्थ वृद्ध नियंत्रणों पर परीक्षण किया गया, जिनमें शंकर और कमर पर रखे गए आवेग मापन इकाइयों से संकलित डेटा का उपयोग किया गया। समूह-विशिष्ट हिडन मार्कोव मॉडलों (HMMs) और समय और आवृत्ति क्षेत्र में सिग्नल जानकारी से फ़ीचर्स निकालकर, एक समर्थन वेक्टर मशीन क्लासिफायर (SVM) डिजाइन और मान्य किया गया। 90.5% विषयों को छोड़ने वाले एक विषय-आगे क्रॉस मान्यता और बहुमत मतदान के बाद सही समूह में नामांकित किया गया। हमारा दीर्घकालिक लक्ष्य दैनिक जीवन में गति आकलन करना है ताकि गति परिवर्तनों का शीघ्र पता लगाया जा सके।