Komplexní objektivní hodnocení (COA) systém

V této studii jsme použili BioKin17, cloud založené na real-time motion capture snímač platforma provádět komplexní objektivní posouzení CA. BioKin17 je bezdrátové nositelné zařízení s vestavěným tříosým akcelerometrem (modelová čipová sada „MPU-9150“ od společnosti InvenSense, Inc., San Jose, CA, USA) a an IEEE802.11b/g/n / bezdrátové komunikační rozhraní běžící na 32bitovém procesoru ARM. Na BioKin senzor systém vyvinut Síti Snímání a Ovládání Laboratoře, Deakin University, může komunikovat s Android mobilní aplikace zachytit komplexní pohyby lidského těla v reálném čase, jak je znázorněno na Obr. 1. Je optimalizován pro snížení usazovacích účinků a problémů s driftem senzoru tím, že eliminuje chyby vyrovnání mezi osami mezi jednotlivými inerciálními senzory17. Tento senzor byl lavičce označeny proti konvenčním více kamery na základě pohybu optické sledování systému (systém Vicon, T40S, Oxford, UK), vysoká přesnost srovnávání system18. BioKin zachytil data gyroskopu a zrychlení v trojrozměrných (3D) kartézských souřadnicích při vzorkovací frekvenci 50 Hz. CA posouzení byla provedena v následujících krocích:

1. Návrh Vstupy generované devět instrumentované zkoušky, které napodobují devět standardní lůžka klinické testy CA pokrývající 5 domén.

2. jsou snímány senzory a vizualizovány pomocí podpůrné aplikace v chytrém telefonu.

3. bezdrátový přenos do blockchainové distribuované cloudové sítě19, kde se používají diagnostické a hodnotící algoritmy.

4. výsledky analýzy dat jsou transformovány do klinicky relevantního formátu.

obrazové znázornění snímací plošiny je znázorněno na obr. 1.

pohybový vstup

subjekty byly provedeny k provedení devíti standardních klinických testů; opakované slabiky výpovědi (SPE), rytmické klepání prsty (FIN), prst-nos/nos-prst (FNT), dysdiadochokinesia (DDK), balistické sledování/prst-chase (BAL), podpatek-shin (HST), foot tapping (FOO), postoj/romberg (ROM) a chůze (WAL). Úkoly jsou prováděny v souladu s pokyny uvedenými v SARA, které pokrývají všech 5 domén. Aby se zabránilo jakékoli další faktory, vzhledem k sway při provádění testů v sedě, účastníkům byly poskytnuty axiálním směru, tj. sedí pohodlně ve vzpřímené poloze vsedě. Opěrka opěradla židle byla nakloněna na 90-100 stupňů s dostatečnou podporou řeziva v souladu s dolní částí zad. Byly hodnoceny pravé i levé končetiny.

sběr Dat

COA Systém využit Inerciální Měřicí Jednotky (IMUs) vybavené v BioKin systému v sedm testů k zachycení translační a rotační kinematiky v ortogonálních osách pomocí akcelerometrů a gyroskopů. Microsoft Kinect V2 fotoaparát vybaven 23 palcový monitor, mini PC s procesorem Intel core i5 procesor byl také použit v jedné z testů pro marker based motion capture a k získání absolutní polohy.

cloudové algoritmy

zaznamenaná data jsou poté přenesena do distribuované cloudové sítě19 prostřednictvím bezdrátového připojení pro následné zpracování dat umožňující lékařům získat skóre závažnosti. Prostředí MATLAB (R2019a, MathWorks) a Python zpracovala data přenášená bezdrátovými prostředky.

Klinické výstup

sebraná data je zviditelněn prostřednictvím android založené chytrý telefon aplikace, BioKin, který generuje zprávy o hodnocení a skóre závažnosti v důsledku cloud založené na zpracování údajů.

v našem systému COA je průměrný časový výdaj při získávání dat pomocí snímání pohybu z každého ze 6 periferních testů (DDK, FNT, FIN, BAL, FOO, HST) menší než 15 sekund. Test rovnováhy (ROM) trvá méně než 30 sekund; test chůze (WAL) trvá méně než 90 sekund, zatímco test řeči (SPE)trvá méně než 5 sekund k získání dat. Průměrné časové výdaje na získání dat a generování kumulativního výsledku testu (pomocí algoritmů založených na cloudu)pro jednoho pacienta jsou tedy přibližně pod 215 sekund a 5 sekund. Testovací sada obvykle trvá až 30 sekund.

Experimentální design

Účastníci

Pro in-hloubkové analýzy abnormalit připsat načasování, stabilitu, přesnost a rhythmicity v motorické pohyby, řeč a kinematická data byla zaznamenána od 34 jedinců, jejichž mateřským jazykem byla angličtina. Dvacet tři byly dříve diagnostikovány s Cerebelární Ataxie (CA) vzhledem k neurodegenerativní poruchy a zúčastnili Neurologické kliniky na Královských Viktoriánská Oční a Ušní Nemocnice (RVEEH) nebo Alfred Hospital v Melbourne. Jedenáct normálních subjektů (kontrol) byli dobrovolníci bez neurologických stavů nebo jiných poruch řeči v anamnéze. Souhrn statistik kohorty je uveden v tabulce 1. Žádný z účastníků (kontroly a CA) před tímto klinickým vyšetřením nepodstoupil Žádný rehabilitační program. Žádný z účastníků (kontroly a CA) před tímto klinickým vyšetřením nepodstoupil Žádný rehabilitační program. Přezkum literature20,21,22 vyplynulo, že věk nástupu, věku, diagnózy a další demografické faktory nemají vliv věku a gmoender-vztahující se k ataxii. Protože naše studie byla omezena na kohortu ataxie u dospělých, přísné dodržování kritérií odpovídajících věku a pohlaví nebylo proveditelné.

Etické schválení a souhlas k účasti

Tato studie byla schválena Lidská Výzkumu a Etické komise, Královská Viktoriánská Oční a Ušní Nemocnice, Melbourne, Austrálie (HREC Referenční Číslo: 11/994H/16) a podporované Florey Institute Neurovědy a Duševní Zdraví, Melbourne, Austrálie prostřednictvím Národního Zdraví a Medical Research Council (NHMRC) Grant: GNT1101304 a APP1129595. Všechny metody v této studii byly prováděny v souladu s příslušnými pokyny a předpisy a písemný souhlas byl získán od všech účastníků před jejich zápis. Od obou subjektů byl získán informovaný souhlas s publikováním obrázků zobrazených na obr. 1.

Testování protokolu a funkce extrakce

objektivní hodnocení z devíti neurologické testy jsou seskupeny do následujících 5 domén s krátkým popisem jejich provádění protokolu. Souhrn vlastností, které se ukázaly jako klíčové v diagnostice CA v související příslušné studii4,6,7,8,9,10,11 byl rovněž zahrnut pro každou podsekci testu v tabulce 2.

Řeč

• Opakovat slabiky výpovědi (SPE): uchazeč byl povinen opakovat souhláska-samohláska slabiku/ta/ 5 sekund na jejich preferované rychlosti. Nahrávky byly provedeny pomocí kondenzátorový mikrofon připnutý na přibližné vzdálenosti 10 cm od předmětu ústa v tiché místnosti s nízkou okolní hladina hluku. Telefon s Androidem využívající program BioKinMobi pod dohledem profesionálního vyšetřovatele zachytil řeč. Automatizovaný algoritmus založený na topografické výtečnosti byl použit k extrahování šesti akustických rysů z vlaku opakovaných/ ta / slabikových projevů4, 6.

• pravidelnost trvání měří variabilitu rytmu opakované/ ta / (RT) výpovědi. Toto je identifikováno jako integrální měřítko časových deficitů extrahovaných z vlnových dat při 50% prominenci.

• pravidelnost mezer měří variabilitu časového rozdílu mezi dvěma po sobě jdoucími vrcholy / ta/ slabiky.

• Průměrná vrcholová prominence měřila průměrnou relativní nadmořskou výšku / vrchol pro uvažovaný specifický/ta/ puls.

• Kompenzace správnosti naměřené variability v rozdíly počítány mezi špičku a jeho odpovídající důležitost pro konkrétní/ta/slabičné puls.

• tlumící poměr měřil průměr tlumících poměrů / ta / slabik vypočtených z vlnových dat extrahovaných při 75% prominenci.

• rezonanční frekvence měřila průměr rezonanční frekvence / ta / slabik vypočtený na vlnových datech extrahovaných při 50% prominenci.

Horní končetina

• rytmický test klepání prstem (FIN): účastníci rytmicky poklepali ukazováčkem na vodorovný povrch (např. BioKin byl namontován na hřbetu ukazováčku pro sběr dat. První 3 Hlavní Komponenty (PC) víceměřítkových entropie měří od osy X a Z akcelerometru, signálu a X osy gyroskop signály a koeficient variace inter-tap interval měření nepravidelnost rytmu byly vybrané features7.

• Finger-nose test (FNT): Účastníci se museli dotknout nosu špičatým ukazováčkem a poté pomocí stejného prstu natáhnout a dotknout se prstu lékaře umístěného přibližně 25 cm od nosu subjektu. Pohyby rukou byly měřeny Biokinem připojeným k hřbetu ruky ukazováčku. Rezonanční frekvence a amplituda při rezonanční frekvenci byly kritické rysy8 zachycené Biokinem připojeným k dlani ukazováčku. Popis kmitočtové domény zrychlení a úhlové rychlosti byl použit k zachycení rezonance v každé ortogonální ose (X, Y A Z)8.

• Dysdiadochokinesia test (DDK): účastníci byli povinni umístit hřbet jedné ruky na dlani druhé ruky, jak je znázorněno na obr. 1. Účastníci byli poté instruováni, aby pronovali ruku tak, aby dlaň směřovala dolů, aby spočívala na dlani druhé ruky. Subjekt je také instruován, aby střídavě pronoval a supinoval mezi těmito dvěma polohami co nejrychleji a nejpřesněji. Rychlost střídání je extrahována z BIOKINOVA IMU připojeného k zápěstí. Tento test zkoumal neschopnost koordinovat pohyb. Rychlost změny natáčí a supinate, rezonanční frekvence a amplitudy při rezonanční frekvenci byly kritické features8.

• balistické sledování (Bal): účastníci byli povinni ukázat na cíl na obrazovce monitoru. Pohyb ukazováčku byl detekován pomocí kamery Kinect a byl prezentován jako značka na obrazovce. Cílem je přesně sledovat cíl pomocí promítaného (pomocí kamery Kinect) markeru na obrazovce, když se cíl pohybuje rychle a náhodně z bodu do bodu na monitoru. Tyto extrahované vlastnosti zobrazí významnou míru korelace s postižením úrovni zajat standardní klinické měření SARA9:

• Chyba: vzdálenost mezi markerem a cíl trajektorie, měřeno pomocí Dynamic Time Warping metoda v Horizontální(H) a Vertikální(V) ose.

• komplexní časové zpoždění: Toto bylo vypočteno jako křížová korelace pro dvojnásobnou sekvenci, marker a cíl.

• kinematické zpoždění: toto bylo získáno pomocí indexu měření výkonu ve Fittsově zákoně. Funkce je měřit výkon subjektu při dosažení cílové pozice.

• směrová změna v ose H a V: Toto je počet, kolikrát účastník změnil své zrychlení, které bylo měřeno z hlediska směrových změn. Tato funkce obsahovala informace o over / undershooting, stejně jako výkon subjektu během testu. Vyšší úroveň dysmetrie odvodila větší chybovost podle rozdílu mezi cílovou a markerovou trajektorií.

Dolní končetiny

• Podpatek-shin test (HST): byli Účastníci povinni umístěte patu na opačné koleno a spusťte jej podél holenní kosti, mezi patou a kolenem opakovaně a tak přesně, jak je to možné. BioKin byl připojen k hřbetu nohy. Rezonanční frekvence a amplituda při rezonanční frekvenci byly kritickými rysy8.

• rytmické klepání nohou (FOO): Účastníci byli povinni rytmicky poklepat každou nohu na vodorovný povrch (např. První 3 Hlavní Komponenty (PC) víceměřítkových entropie měří od osy X a Z akcelerometru, signálu a X osy gyroskop signály, a koeficient variace inter-tap interval měření nepravidelnost rytmu byly vybrané features7.

Balance

• Romberg test (ROM): účastníci byli povinni stát s nohama spolu, pak s nohama od sebe, paže po stranách co nejdéle (až 30 sekund); nejprve s otevřenýma očima a pak se zavřenýma očima. Jeden BioKin byl umístěn přibližně na xiphisternum pomocí elastického neoprenového pásu. Druhý BioKin byl připevněn na horní zadní místo, ve střední linii těsně pod krkem. Technika Fuzzy entropie byla použita na posturální rychlosti houpání odvozené z naměřených trunkálních zrychlení. Entropie values23 z odvodil rychlost byla považována za primárně jako opatření nervové řízení motoru při klidné stoje, z nichž významná část je úměrná k tělu sway velocity. Nejistota v měření rychlosti obsahovala významnou úroveň informací s ohledem na truncal nestability10.

chůze

• test chůze (WAL): účastníci byli povinni chodit 5 metrů a vrátit se, což se opakovalo 10krát. Předmět pohyby byly zachycené vestavěnou inerciální senzory smartphone připojené na xiphisternum pomocí elastického neoprenu pás a dvě BioKin senzory, připojené ke každému kotníku. Snímač byl umístěn tak, aby jeho osy X, Y A Z zachytily pohyby ML (Medio-laterální), AP (Antero-zadní) a VT (Vertikální osa). V každé ortogonální ose (X, Y A Z) byl pro zachycení rezonance11 použit popis frekvenční domény. Pro každý subjekt, velikost a rezonance byly použity v každé ose k vytvoření vektoru znaků. Další funkce, fuzzy entropie-podle rychlosti nesrovnalostí, opatření pro truncal abnormality (VI) byl vybrán v study11 pro měření chůze náhodnost nebo úrovně nejistoty při chůzi. Studie in23 zavedla fuzzy entropii (FuzzyEn) k zachycení truncal ataxie.

V odkazu na ataxii kohorty zapsáni v naší studii, pro ty, kteří s SARA skóre 7 pro pěší – v případě chůze podpory je nutné, pacient je požádán, aby provedl zkoušku s použitím vhodných chůze podpory (tj. jeden bod, držet nebo Čtyři-kolové rám (4WF)).

Ataktické rozměry (STAR)

díla Gordon Holmes jsou často citovány jako mají zásadní vliv na naše chápání klinické symptomy a příznaky cerebelární lesions2,3,24. V naší studii jsme se vrátil Holmes přístup charakterizující pohyb subjektu s cerebelární dysfunkce z hlediska čtyř dimenzí (Stabilita, Načasování, Přesnost & Rhythmicity).

• stabilita (Y): to se týká stability v platformě (provedení). Plošinou jsou klouby a svaly, které jsou relativně pevné a umožňují pohyblivé části těla přesně provést úkol. Například úkol DDK vyžaduje relativní stabilitu flexe a prodloužení ramen a loktů pro efektivní provedení. Relativní nestabilita vede ke zvýšení zbytečných pohybů v sekundárních osách.

• Načasování (T): Když CA je přítomna, úkoly, které mají časové omezení, jako je BAL obvykle jsou zjištěno, že mají zvýšenou latenci, než pohyb začíná a úkol je proveden na pomalejší rychlost, protože méně přímý kurz je přijata. Stejné rysy jsou často patrné i při absenci časových omezení. Tyto funkce jsou patrnější, když je CA závažnější, což naznačuje, podvědomě, načasování je neutrální kompromis k dokončení úkolu. Z výpočetního hlediska jsme to rozpoznali jako chybu mezi cílem proti tomu, co je dosaženo, pravděpodobně bude ovlivněno následujícími dvěma:

• čas, aby subjekt zahájil okamžik.

• čas dokončení pohybu (rychlosti).

  • přesnost (a): koncepčně může být úkol dokončen pomalu, ale následovat nejúčinnější cíl. Za těchto okolností to budeme považovat za“ přesný “ výkon. Když méně přímou cestu sledují (například v BAL úkol), nebo tam je pod nebo nad střílet, pak úkolem bude ‚chyby‘ ve srovnání s kontrolní výkon (uznává, že to může být také spojena s načasováním chyby). Z výpočetního hlediska ji v této studii uznáváme jako chybu mezi cíli / prostorem proti tomu, čeho je dosaženo v prostorovém kontextu (statickém).

  • Rytmicita (R): nepravidelnost opakovaných pohybů.

funkce pro každý test v naší navrhované COA Systému jsou přiřazeny výše uvedené rozměry prostřednictvím následujících 2 krocích:

1. (a) provedení osy je směr primárního pohybu potřebné k provedení zamýšleného úkolu a atribut rhythmicity nebo načasování rozměr.

   (b) jakákoli odchylka od nejúčinnější nebo standardní cesty potřebné k provedení úkolu by byla považována za vlastnosti přesnosti.

2. Nadměrné pohyby v ostatních osách by být považovány za sekundární pohyby a atribut pro stabilitu rozměr.

obrazová reprezentace na obr. 2 ilustruje interpretaci hvězd pro každou doménu podle navrhovaného 2krokového přístupu.

STAR Označování Kritérií.

V opakované zkoušky (DDK, FNT, FIN, FOO, HST), rezonanční frekvence podél osy y (primární) přispívá k rychlosti a tudíž je považován za načasování funkce vzhledem k tomu, že velikost rezonance je považována za rytmickou funkci. Sekundární pohyby / poruchy přítomné v jiných osách se nazývají znaky stability.

u cílových testů (BAL) je jakékoli zpoždění v primárním pohybu pronásledování cíle považováno za funkci časování; jak dobře je splněn cíl nebo jakýkoliv stupeň odchylky v plnění cíle definuje výkon účastníka, a tedy opatření, přesnost; jakýkoli jiný prvek stravování nadměrné/nedostatečné pohyby jsou označeny pod stability.

test chůze spočívá v chůzi vpřed v přímce (podél osy AP) pravidelným tempem zvednutím a nastavením každé nohy rytmickým způsobem. To by odvodilo informace o rytmicitě, zatímco rozsah truncal sway od AP osy (tj. pohyb v ose ML) bude odvozovat informace o přesnosti. Kromě toho jsou všechny nežádoucí výkyvy v ose VT považovány za funkci stability.

u testu rovnováhy se očekává, že účastník bude udržovat stabilní rovné držení těla podél své osy VT. To je jejich primární pohyb, jakákoli odchylka nebo houpat ve VT osa účet pro nepřesnost a jiné nežádoucí truncal houpat buď AP nebo ML jsou považovány za stabilitu vlastnosti.

Pro řeč test, funkce měření rytmické opakované /ta/ výroky, například, mezera mezi po sobě jdoucími /ta/ promluvy, doba trvání a /ta/, jsou považovány za rhythmicity vlastnosti a rezonanční frekvence funkce jako načasování funkce. Nižší poměr tlumení indikuje vyšší oscilaci. Proto nižší tlumící poměr a/ ta / promluvy jako ataxický akustický rys naznačuje nestabilitu hlasového traktu během hlasové artikulace.

souhrn devíti testů v 5 doménách, které generují 172 funkcí, je uveden s jejich interpretací hvězd v tabulce 2.

Klinického hodnocení

CA vstřelil zkušený lékař podle SARA měřítku, zatímco pacientů s ataxií provést každý úkol. SARA je klinická stupnice vyvinutá společností Schmitz-Hübsch et al.25,26, který hodnotí řadu různých poruch cerebelární ataxie, od řeči po rovnováhu. Stupnice se skládá z 8 kategorií s výsledky v rozsahu tak, chůze (0-8 bodů), postoj (0-6 bodů), sedí (0-4 body), poruchy řeči (0-6 bodů), prst chase (0-4 body), nos-prst test (0-4 body), rychle se střídající se pohyby rukou (0-4 body), podpatek-shin slide (0-4 body). Jakmile lékař hodnotí každé z 8 kategorií pro jedince, mohou dále vypočítat kumulativní skóre v rozmezí od 0 (žádná ataxie) do 40 (nejzávažnější ataxie) určit ataktické předmětem je závažnost ataxie. V naší studii, aby se zabránilo Subjektivní zaujatosti, jeden lékař posoudil všechny úkoly.

3stupňové hodnotící schéma systému COA

techniky, které mají být začleněny do navrhovaného instrumentovaného systému (systém COA), jsou demonstrovány pomocí vývojového diagramu (obr. 3) a je uvedeno v následujících podsekcích.

3-stupně Hodnocení procesu vývojový diagram COA Systému.

snížení Funkce a statistické analýzy

Původní funkce extrakce pro každý test byly založeny na příslušných předchozí studies4,6,7,8,9,10,11. Celkem bylo identifikováno 172 znaků jako kritických pro objektivní hodnocení jednotlivých testů. Procesní měření obsahují mnoho korelovaných nebo redundantních dat. Je důležité je odstranit a extrahovat funkce, které mají nejvíce nezávislý význam. Principal Component Analysis (PCA)27 je nástroj pro kompresi, extrakci a vizualizaci dat používaný k transformaci několika přidružených faktorů do skupiny nekorelovaných proměnných. PCA se používá ke kompresi původních 172 funkcí do 27 ks (3 ks z každého z 9 testů) (obr. 3). Kritické informace navíc nepocházejí z jedné proměnné jednotlivého testu, ale často pramení ze vztahu mezi proměnnými, tj. jak se spolu liší. PCA je nejvhodnější mezi běžně používanými vícerozměrnými statistickými metodami pro hodnocení těchto informací, protože dokáže spravovat velké množství vysoce korelovaných, hlučné a redundantní faktory.

p-hodnoty pro testování hypotéz je vypočtena pro rozdělení výsledných 3 Ks (Ks 1-2-3) každé zkoušky s ohledem na každou z 5 oblastí (Řeč, horní končetiny, dolní končetiny, chůze, rovnováhy) určit, zda skupiny subjektů (kontrola a ataktické) se výrazně liší. V každé doméně, jedinci s SARA opatření větší než nula, jsou seskupeny jako ataktické, a ovládací prvky a předměty, který zaznamenal SARA skóre 0 pro konkrétní zkoušku jsou seskupeny jako normální. Neparametrické statistické testy (Kolmogorov–Smirnov (KS) a Mann-Whitney-Wilcoxon (MWW)) jsou přijaty, aby se zabránilo předpoklady o distribuci dat.

teorie Grafů & stěžejní opatření

Vizuální kvantifikace test/domény závislostí

teorie Grafů je aplikována získat další vhled do vztahů mezi testy a domén. Testy a domény byly přiřazeny uzlům sítě, které spojily uzly hranami s délkami představujícími Spearmanovy korelační koeficienty (ρ). Ústřední uzel označuje počet hran sousedících, že uzel a blízkost všech ostatních uzlů, který je považován za označení uzlu význam. Frekvence, kterou se uzel objeví na nejkratší cestě mezi dvěma dalšími uzly, je také měřítkem důležitosti. Minimum Spanning Tree (MST) analysis28 je použita v naší studii jako spolehlivé měřítko pro porovnávání sítí napříč různými skupinami, protože to je objektivní a nevyžaduje libovolný parametr settings29. MST byl nedávno aplikován na mozkové sítě29 a identifikace kritických genů u diabetes mellitus30. MST je dílčí graf, který spojuje všechny uzly a snižuje celkovou délku hrany. V tomto smyslu je MST „páteřní“ síť, která zapouzdřuje závislosti mezi testy/doménami. Pro měření blízkosti používáme následující mapování k překladu koeficientů korelace hodnosti Spearman (ρ) na vzdálenosti.

MST tohoto grafu je vypočítána po přiřazení testů/domény pro uzly sítě a spojení uzlů přes hrany s délkou dána ρ.

Přehled zkušebních/domény význam pomocí grafu stěžejní opatření,

Představující testy a domén ve formě grafu umožňuje kvantifikaci vztahů mezi nimi. Vzhledem k tomu, že matematické grafy vnitřně charakterizují měření významnosti uzlů, jsou testy / domény přiřazené těmto uzlům považovány za vysoce relevantní při měření CA. Skóre důležitosti funkce se pak vypočítá na celém grafu pomocí populárních opatření Centrality, jako je Centralita stupně, Centralita blízkosti a Betweenness30. Výskyt nebo Stupeň Centrality uzlu v daném grafu počítá počet hran sousedících, že uzel, který je matematicky definován jako,

kde, g := (N, e) je dán graf s |N| uzly a |e| hranami. V připojeném grafu je průměrná délka nejkratší cesty mezi uzlem a všemi ostatními uzly v síti označena jako normalizovaná blízkost Centrality (nebo blízkost) uzlu. Proto vysoká hodnota blízkosti znamená, že uzel je centrální nebo významný. Blízkost je definována jako převrácená hodnota součtu vzdáleností z uzlu do všech ostatních uzlů, že je,

kde d(N1, N2) je vzdálenost mezi vrcholy N1 a N2. Podobně, uzel je Betweenness vypočítá, jak často se tento uzel objeví mezi dvěma dalšími uzly v grafu na nejkratší cestě. Vysoká hodnota mezistupně znamená, že uzel je relevantní. Na „Mezi“ uzlu N je označován jako,

Klasifikace experimentu

Binární klasifikace

další krok systém se skládá z diagnózy nebo binární klasifikace problém porovnávání diskriminace výkon jednotlivých testů, kombinované 9 test a dvě snížené podskupin pomocí Random Forest (RF) classifier31. Každá funkce přispěla ke každému ze 4 Holmeshianových rozměrů v různé míře (hmotnosti), které byly odpovídajícím způsobem vypočteny pro celkový test 9 i pro optimální podmnožinu testů.

Multilabel classification

v naší studii je použit algoritmus založený na náhodném lese pro Multilabel Classification32.

vstup funkce v multilabel klasifikační problém naší studie sestával z 27 hlavních komponent ze všech testů (3 ks x 9 testů). Cílem bylo identifikovat postižení v 5 doménách (0: normální; 1: ataxická). Například, že účastník je zastoupen v jednotlivých oblastech projevu, horní končetiny, dolní končetiny, chůze a rovnováhy; a možné označení powerset zastoupení, to je multi-class classification problém s tříd , , , , , , , , …, kde, například, označuje účastník, jehož domén řeči a dolní končetiny jsou postiženy vzhledem k tomu, domény, horní končetiny, chůze a rovnováhy jsou nedotčeny.

Funkce význam (nebo hodnoty) v RF model

Na samém počátku, optimální velikost list v RF klasifikátor je ověřena porovnáním střední kvadratické Chyby (MSE) získaná klasifikace pro různé listu velikostí (5, 10, 20, 50 a 100). Optimální velikost listu by měla přinést nejnižší hodnoty MSE. Jakmile jsme odhadli optimální velikost listu, větší soubor se pěstuje a používá se k odhadu důležitosti funkce. Pro výpočet důležitosti funkce v diagnostickém modelu náhodného lesa se zpočátku vypočítá MSE modelu s původními proměnnými. Poté jsou hodnoty jednoho sloupce (představující funkci 1 pro n pozorování) permutovány a MSE se znovu vypočítá. Pokud například sloupec vezme hodnoty funkcí x1, x2, x3, x4 a náhodná permutace hodnot má za následek x4, x3, x1, x2; pak to bude mít za následek novou MSE. Rozdíl v MSE je v průměru přes všechny stromy v souboru a děleno směrodatnou odchylku převzal stromy pro každou proměnnou. Čím větší je tato hodnota, tím významnější je proměnná. Rozdíl se očekává, že bude pozitivní, ale pokud je záporné číslo, pak to znamená, že náhodná permutace pracoval lépe dovodit, že funkce nemá roli v predikci a není považováno za důležité.

výpočet hvězdy

jakmile je důležitost / hodnost funkcí 3 PC vyhodnocena pro konkrétní test pomocí schématu Random Forest ranking, vypočítá se hmotnost původní funkce následovně:

kde WOF: Hmotnost této funkce v PC component; R: Hodnost PC funkce v RF modelu. Protože každý prvek se vztahuje k jedné ze 4 Holmeshian rozměry, příspěvek na celkovou Stabilitu, Načasování, Přesnost a Rhythmicity rozměr je nahromaděné weigtage všech Stabilitu, Načasování, Přesnost a Rhythmicity funkce, resp.

Křížová validace (CV)

u obou klasifikačních problémů jsou data stratifikována pomocí techniky CV (Leave-one-out) (Loo). Křížová validace v nastavení multilabel je komplikována skutečností, že běžný (binární/multiclass) způsob stratifikovaného vzorkování není použitelný; alternativní způsoby přibližného stratifikovaného vzorkování33. Takže v naší studii byla multi-label stratifikace provedena pomocí iterativní techniky.

Hodnocení metriky

výkon třídiče je vyhodnocována pomocí metrik Precision, Recall, F1 skóre, Přesnost a Matthews Korelační Koeficient (MCC), 34. Tyto metriky jsou vypočteny pro každou doménu na základě předpokládaných hodnot po každé validaci v LOO (34krát). Obecná přesnost, odvolání, F1 skóre, přesnost multilabel klasifikační problém jsou průměr výsledků přes LOO v 5 doménách. Například

Funkce hodnocení prostřednictvím RF vlak & ověření s LOO je průměr všech pořadí v každé tréninkové a ověřovací fázi, a to jak pro binární a multilabel klasifikace problémy.