Sistema de evaluación objetiva integral (COA)

En este estudio, utilizamos BioKin17, una plataforma de sensores de captura de movimiento en tiempo real basada en la nube para realizar una evaluación objetiva integral de la AC. BioKin17 es un dispositivo portátil inalámbrico con un acelerómetro tri-axial integrado (chipset modelo «MPU-9150» de InvenSense, Inc., San Jose, CA, USA) y un IEEE802.interfaz de comunicación inalámbrica de 11b / g / n que se ejecuta en un procesador ARM de 32 bits. El sistema de sensores BioKin desarrollado por el Laboratorio de Detección y Control en red de la Universidad De Deakin, puede interactuar con una aplicación móvil Android para capturar movimientos complejos de un cuerpo humano en tiempo real, como se ilustra en la Fig. 1. Está optimizado para reducir los efectos de sedimentación y los problemas de deriva del sensor al eliminar los errores de alineación de ejes cruzados a nivel de placa entre cada sensor inercial17. Este sensor fue marcado en banco contra un sistema convencional de seguimiento de movimiento óptico basado en múltiples cámaras (sistema Vicon, T40S, Oxford, Reino Unido), un sistema de marcado en banco de alta precisión18. BioKin capturó los datos del giroscopio y la aceleración en las coordenadas cartesianas tridimensionales (3D) a una frecuencia de muestreo de 50 Hz. La evaluación de la AC se realizó a través de los siguientes pasos:

1. Entradas de movimiento generadas por nueve pruebas instrumentadas que imitan las nueve pruebas clínicas de cabecera estándar de la AC que cubren los 5 dominios.

2. Estos son capturados por sensores y visualizados con una aplicación compatible en un teléfono inteligente.

3. Transmisión inalámbrica a una red en la nube distribuida basada en blockchain 19 donde se aplican algoritmos de diagnóstico y evaluación.

4. Los resultados del análisis de datos se transforman en un formato clínicamente relevante.

En la Fig. 1.

Entrada de movimiento

Los sujetos fueron obligados a realizar nueve pruebas clínicas estándar; pronunciación repetida de sílabas (SPE), golpeteo rítmico de dedos (ALETA), dedo-nariz/dedo-nariz (FNT), disdiadococinesia (DDK), rastreo balístico/persecución de dedos (BAL), espinilla del talón (HST), golpeteo de pies (FOO), postura/romberg (ROM) y marcha (WAL). Las tareas se realizan en línea con las instrucciones especificadas en SARA que cubren los 5 dominios. Para evitar cualquier factor de confusión debido al balanceo durante la realización de los ensayos en posición sentada, se proporcionó a los participantes un soporte axial, es decir, sentados cómodamente en posición erguida. El soporte del respaldo de la silla estaba inclinado a 90-100 grados con un soporte de madera adecuado en línea con la parte inferior de la espalda. Se evaluaron las extremidades derecha e izquierda.

Adquisición de datos

El Sistema de COA utilizó Unidades de Medición Inercial (IMU) equipadas en el sistema BioKin en siete de las pruebas para capturar cinemática de traslación y rotación en ejes ortogonales a través de acelerómetros y giroscopios. Una cámara Microsoft Kinect V2 equipada con un monitor de 23 pulgadas y un mini PC con un procesador Intel core i5 también se utilizó en una de las pruebas para la captura de movimiento basada en marcadores y para obtener la información de posición absoluta.

Algoritmos basados en la nube

Los datos registrados se transfieren a la red distribuida en la nube basada en blockchain a través de la conexión inalámbrica para el procesamiento de datos posterior, lo que permite a los médicos adquirir puntuaciones de gravedad. Los entornos MATLAB (R2019a, MathWorks) y Python procesaron los datos transmitidos a través de medios inalámbricos.

Salida clínica

Los datos capturados se visualizan a través de la aplicación de teléfono inteligente basada en Android, BioKin, que genera informes de evaluación y puntuaciones de gravedad como resultado del procesamiento de datos basado en la nube.

En nuestro Sistema de COA, el gasto temporal promedio en la adquisición de los datos a través de la captura de movimiento de cada una de las 6 pruebas periféricas (DDK, FNT, FIN, BAL, FOO, HST) es inferior a 15 segundos. La prueba de equilibrio (ROM) tarda menos de 30 segundos; la prueba de marcha(WAL) tarda menos de 90 segundos, mientras que la prueba de habla (SPE) tarda menos de 5 segundos en adquirir datos. Por lo tanto, el gasto temporal promedio para adquirir datos y generar un resultado de prueba acumulativo (utilizando algoritmos basados en la nube) para un solo paciente es de aproximadamente menos de 215 segundos y 5 segundos, respectivamente. El equipo de prueba suele tardar hasta 30 segundos.

Diseño experimental

Los participantes

Para un análisis en profundidad de anomalías atribuidas a la sincronización, estabilidad, precisión y rítmicidad en los movimientos motores, el habla y los datos cinemáticos se registraron de 34 sujetos cuya lengua materna era el inglés. Veintitrés fueron diagnosticados previamente con Ataxia Cerebelosa (CA) debido a un trastorno neurodegenerativo y asistieron a la clínica de Neurología en el Royal Victorian Eye and Ear Hospital (RVEEH) o el Hospital Alfred en Melbourne. Once sujetos normales (controles) eran voluntarios sin antecedentes de afecciones neurológicas u otros trastornos del habla. En el cuadro 1 se presenta un resumen de las estadísticas de cohortes. Ninguno de los participantes (controles y AC) se había sometido a ningún programa de rehabilitación antes de esta investigación clínica. Ninguno de los participantes (controles y AC) se había sometido a ningún programa de rehabilitación antes de esta investigación clínica. Una revisión de la literatura20, 21, 22 reveló que la edad de inicio, la edad de diagnóstico y otros factores demográficos no influyen en la edad y en el género relacionado con la ataxia. Como nuestro estudio se limitó a una cohorte de ataxia de inicio en adultos, no fue posible cumplir estrictamente los criterios de edad y sexo.

Aprobación de ética y consentimiento para participar

Este estudio fue aprobado por el Comité de Ética e Investigación en Humanos, Royal Victorian Eye and Ear Hospital, East Melbourne, Australia (Número de referencia HREC: 11/994H/16) y apoyado por el Instituto Florey de Neurociencia y Salud Mental, Melbourne, Australia a través de la Subvención del Consejo Nacional de Salud e Investigación Médica (NHMRC): GNT1101304 y APP1129595. Todos los métodos de este estudio se realizaron de acuerdo con las directrices y regulaciones pertinentes y se obtuvo el consentimiento por escrito de todos los participantes antes de su inscripción. Se obtuvo el consentimiento informado de ambos sujetos para publicar las imágenes representadas en la Fig. 1.

Protocolo de pruebas y extracción de características

Las evaluaciones objetivas de las nueve pruebas neurológicas se agrupan en los siguientes 5 dominios con una breve descripción de su protocolo de ejecución. Un resumen de las características que resultaron fundamentales en el diagnóstico de la AC en el estudio respectivo relacionado4,6,7,8,9,10,11 también se ha incluido para cada subsección de prueba en el cuadro 2.

Discurso

• Expresión repetida de sílabas (SPE): Se requería que el candidato repitiera la sílaba consonante-vocal/ta/ durante 5 segundos a su velocidad preferida. Las grabaciones se hicieron utilizando un micrófono de condensador recortado a una distancia aproximada de 10 cm de la boca del sujeto en una habitación silenciosa con bajo nivel de ruido ambiental. Un teléfono Android que usaba el programa BioKinMobi bajo la supervisión de un investigador profesional capturó el discurso. Se empleó un algoritmo automatizado basado en la prominencia topográfica para extraer seis características acústicas del tren de pronunciación repetida/ta/ sílaba4,6.

• La regularidad de la duración mide la variabilidad en el ritmo de la pronunciación repetida/ta/ (RT). Esto se identifica como una medida integral de los déficits de tiempo extraídos de los datos de ondas con una prominencia del 50%.

• La regularidad de intervalos mide la variabilidad de la diferencia de tiempo entre dos picos consecutivos/ta/ sílaba.

• La prominencia media del pico midió la elevación/pico relativa media para un pulso/ta/ específico considerado.

• La regularidad de compensación midió la variabilidad en las diferencias calculadas entre el pico y su prominencia correspondiente para un pulso/ta / silábico específico.

• La relación de amortiguación midió el promedio de las relaciones de amortiguación de/ ta / sílabas calculadas a partir de los datos de onda extraídos al 75% de prominencia.

• La frecuencia de resonancia mide el promedio de la frecuencia de resonancia de/ ta / sílabas calculada en los datos de onda extraídos al 50% de prominencia.

Miembro superior

• Prueba de golpeteo rítmico de dedos (ALETA): Los participantes golpearon rítmicamente su dedo índice contra una superficie horizontal (por ejemplo, la parte superior de la mesa) a su velocidad y duración preferidas. Se montó un bioquin en el dorso del dedo índice para la adquisición de datos. Los primeros 3 Componentes Principales (PC) de la entropía multiescala medidos a partir de los ejes X y Z de las señales del acelerómetro y el eje X de las señales del giroscopio y el coeficiente de variación del intervalo entre tomas que mide la irregularidad del ritmo fueron las características seleccionadas7.

• Prueba de nariz y dedos (FNT): Se requirió que los participantes se tocaran la nariz con el dedo índice puntiagudo y luego, con el mismo dedo, extendieran la mano y tocaran el dedo del médico colocado aproximadamente a 25 cm de la nariz del sujeto. Los movimientos de las manos se midieron mediante un bioquin unido al dorso de la mano del dedo índice que señala. La frecuencia de resonancia y la amplitud a la frecuencia de resonancia fueron las características críticas8 capturadas por el bioquin unido a la palma del dedo índice que apunta. Se utilizó la descripción del dominio de frecuencia de aceleración y velocidad angular para capturar la resonancia en cada eje ortogonal (X, Y y Z)8.Prueba de disdiadococinesia (DDK): Los participantes debían colocar el dorso de una mano en la palma de la otra, como se muestra en la Fig. 1. A continuación, se instruyó a los participantes a que pronaran su mano, de modo que el lado de la palma esté orientado hacia abajo para apoyarse en la palma de la otra mano. También se le indica al sujeto que pronate y supine alternadamente entre estas dos posiciones lo más rápido y preciso posible. La velocidad de alternancia se extrae del IMU del bioquín unido a la muñeca. Esta prueba examinó la incapacidad para coordinar el movimiento. La tasa de alteración de pronados y supinados, la frecuencia de resonancia y la amplitud a la frecuencia de resonancia fueron las características críticas 8.

• Seguimiento balístico (BAL): Los participantes debían apuntar al objetivo en una pantalla de monitor. El movimiento del dedo índice se detectó con la cámara Kinect y se presentó como un marcador en la pantalla. El objetivo es seguir con precisión al objetivo a través del marcador proyectado (con la cámara Kinect) en la pantalla cuando el objetivo se mueve rápida y aleatoriamente de un punto a otro en el monitor. Las siguientes características extraídas mostraron un nivel significativo de correlación con el nivel de discapacidad capturado por la medida clínica estándar SARA9:

• Error: La distancia entre las trayectorias del marcador y del objetivo, medida mediante el método de Deformación Temporal Dinámica en el eje Horizontal(H) y Vertical(V).

• Retardo de tiempo completo: Esto se calculó como la correlación cruzada para la secuencia de dos tiempos, el marcador y el objetivo.

• Retraso cinemático: Se obtuvo utilizando el índice de medición del desempeño en la ley de Fitts. La función es medir el rendimiento del sujeto para alcanzar una posición objetivo.

• Cambio de dirección en los ejes H y V: Es el número de veces que el participante alteró su aceleración, que se midió en términos de cambio de dirección. Esta característica contenía información de sobre / sobre disparo, así como el rendimiento del sujeto durante la prueba. Un nivel más alto de dismetría inferió una mayor tasa de error según la diferencia entre la trayectoria del objetivo y la del marcador.

Miembro inferior

• Prueba de talón-espinilla (HST): Se pidió a los participantes que colocaran un talón en la rodilla opuesta y lo pasaran a lo largo de la tibia, entre el talón y la rodilla de forma repetitiva y con la mayor precisión posible. El bioquin estaba unido al dorso del pie. La frecuencia de resonancia y la amplitud a la frecuencia de resonancia fueron las características críticas 8.

• Golpeteo rítmico de los pies (FOO): Los participantes debían tocar rítmicamente cada pie contra una superficie horizontal (por ejemplo, el suelo). Los primeros 3 Componentes Principales (PC) de la entropía multiescala medidos a partir de los ejes X y Z de las señales del acelerómetro y del eje X de las señales del giroscopio, y el coeficiente de variación del intervalo entre pulsaciones que mide la irregularidad del ritmo fueron las características seleccionadas7.

Equilibrio

• Prueba de Romberg (ROM): Se requería que los participantes se pararan con los pies juntos y luego con los pies separados, los brazos a los lados durante el mayor tiempo posible (hasta 30 segundos); primero con los ojos abiertos y luego con los ojos cerrados. Un bioquin se colocó aproximadamente en el xifisternum por medio de un cinturón elástico de neopreno. El segundo bioquin se colocó en la parte superior de la espalda, en la línea media justo debajo del cuello. Se empleó la técnica de entropía difusa en la velocidad de balanceo postural deducida de las aceleraciones truncales medidas. Los valores de entropía23 de la velocidad deducida se consideraron principalmente como una medida de control motor neural durante una postura de pie tranquila, de la cual una parte significativa es proporcional a la velocidad de balanceo corporal. La incertidumbre en la medición de la velocidad contenía un nivel significativo de información con respecto a la inestabilidad truncal10.

Marcha

• Prueba de marcha (WAL): Se requirió que los participantes caminaran 5 metros y regresaran, lo que se repitió 10 veces. Los movimientos del sujeto fueron capturados por los sensores inerciales incorporados de un teléfono inteligente conectado al xiphisternum por medio de un cinturón elástico de neopreno y dos sensores BioKin, unidos a cada tobillo. El sensor se posicionó de manera que sus ejes X, Y y Z capturaran los movimientos ML (Medio-Lateral), AP (Anteroposterior) y VT (Eje Vertical) respectivamente. En cada eje ortogonal (X, Y y Z), se utilizó la descripción del dominio de frecuencia para capturar la resonancia11. Para cada sujeto, la magnitud y la resonancia se utilizaron en cada eje para formar un vector de características. Otra característica, la medición de irregularidad de velocidad basada en entropía difusa para anormalidad troncal (VI), se eligió en el estudio11 para medir la aleatoriedad o el nivel de incertidumbre de la marcha durante la marcha. El estudio in23 introdujo la entropía difusa (FuzzyEn) para capturar la ataxia troncal.

En referencia a la cohorte ataxica inscrita en nuestro estudio, para aquellos con una puntuación SARA 7 para caminar, en el caso de que se requiera una ayuda para la marcha, se solicita al paciente que realice la prueba con el uso de la ayuda para la marcha adecuada (es decir, un bastón de un solo punto o un marco de cuatro ruedas (4WF)).

Dimensiones atáxicas (ESTRELLA)

Los trabajos de Gordon Holmes se citan a menudo como una influencia fundamental en nuestra comprensión de los síntomas clínicos y los signos de lesiones cerebelares2,3,24. En nuestro estudio, revisamos el enfoque de Holmes de caracterizar el movimiento del sujeto con disfunción cerebelosa en términos de cuatro dimensiones (Estabilidad, Sincronización, Precisión & Rítmicidad).

• Estabilidad (Es): Se refiere a la estabilidad en la plataforma (de ejecución). La plataforma son las articulaciones y los músculos que están relativamente fijos y permiten que la parte móvil del cuerpo ejecute una tarea con precisión. Por ejemplo, la tarea DDK requiere una estabilidad relativa de la flexión y extensión del hombro y el codo para una ejecución eficiente. La inestabilidad relativa da lugar a un aumento de los movimientos innecesarios en los ejes secundarios.

• Timing (T): Cuando está presente CA, las tareas que tienen una restricción de tiempo, como BAL, generalmente tienen una latencia aumentada antes de que comience el movimiento y la tarea se ejecute a una velocidad más lenta, porque se toma un curso menos directo. Las mismas características son a menudo evidentes incluso en ausencia de limitaciones de tiempo. Estas características son más evidentes cuando la CA es más severa, lo que sugiere que, subconscientemente, el tiempo es un intercambio neutral para completar la tarea. En términos computacionales, lo reconocimos como el error entre el objetivo y lo que se logra, que probablemente se vea afectado por los dos siguientes:

• Tiempo para que el sujeto inicie un momento.

• Tiempo para completar un movimiento (velocidad).

  • Precisión (A): Conceptualmente, una tarea puede completarse lentamente pero seguir el objetivo más eficiente. En estas circunstancias, consideraremos que se trata de una actuación» precisa». Cuando se sigue un camino menos directo (por ejemplo, en la tarea BAL) o hay un disparo por debajo o por encima, entonces la tarea será «errores» en comparación con un rendimiento de control (reconociendo que esto también puede estar asociado con errores de sincronización). En términos computacionales, en este estudio lo reconocemos como un error entre los objetivos meta/espacio y lo que se logra en un contexto espacial (estático).

  • Ritmicidad (R): Irregularidad en movimientos repetidos.

Las características para cada prueba en nuestro Sistema de COA propuesto se asignan a las dimensiones antes mencionadas a través del siguiente enfoque de 2 pasos:

1. (a) El eje de ejecución es la dirección del movimiento primario requerido para ejecutar la tarea prevista y se atribuiría a la dimensión de ritmo o tiempo.

   (b) Cualquier desviación de la ruta más eficiente o estándar requerida para ejecutar la tarea se consideraría una característica de precisión.

2. Los movimientos excesivos en los otros ejes se considerarían movimientos secundarios y se atribuirían a la dimensión de estabilidad.

Una representación pictórica en la Fig. 2 ilustra la interpretación de ESTRELLAS para cada dominio, según el enfoque de 2 pasos propuesto.

ESTRELLA de Etiquetado de los Criterios.

En pruebas repetitivas (DDK, FNT, FIN, FOO, HST), la frecuencia de resonancia a lo largo del eje y (primario) contribuye a la velocidad y, por lo tanto, se considera una característica de sincronización, mientras que la magnitud de la resonancia se considera una característica rítmica. Los movimientos secundarios / perturbación presentes en otros ejes se denominan características de estabilidad.

Para las pruebas basadas en objetivos (BAL), cualquier retraso en el movimiento primario de perseguir al objetivo se considera una característica de sincronización; qué tan bien se cumple un objetivo o cualquier grado de desviación en el cumplimiento del objetivo define el rendimiento del participante y, por lo tanto, mide la precisión; cualquier otra característica que atienda a movimientos excesivos/ineficientes se marca en estabilidad.

La prueba de marcha consiste en caminar hacia adelante en línea recta (a lo largo del eje AP) a un ritmo regular levantando y colocando cada pie de manera rítmica. Esto inferiría información de rítmicidad, mientras que la extensión de la oscilación truncal del eje AP (es decir, el movimiento en el eje ML) inferirá información de precisión. Además, cualquier oscilación no deseada en el eje VT se considera una característica de estabilidad.

Para la prueba de equilibrio, se espera que un participante mantenga una postura recta constante a lo largo de su eje de TV. Siendo este su movimiento principal, cualquier desviación o oscilación en el eje VT explicará la inexactitud y cualquier otra oscilación truncal no deseada en AP o ML se considera como características de estabilidad.

Para la prueba del habla, las características que miden la naturaleza rítmica de las expresiones /ta/ repetidas, por ejemplo, la brecha entre expresiones /ta/ consecutivas, la duración de a /ta/ se consideran características de rítmicidad y la característica de frecuencia resonante como una característica de sincronización. La relación de amortiguación más baja indica una oscilación más alta. Por lo tanto, la relación de amortiguación más baja de a /ta/ pronunciación, como característica acústica atáxica, indica inestabilidad del tracto vocal durante la articulación de la voz.

En la Tabla 2 se presenta un resumen de las nueve pruebas en 5 dominios, que generan 172 características con su interpretación en ESTRELLA.

La evaluación clínica

La CA fue puntuada por un clínico experimentado de acuerdo con la escala SARA, mientras que los sujetos con ataxia realizaban cada tarea. SARA es una escala clínica desarrollada por Schmitz-Hübsch et al.25,26 que evalúa una gama de diferentes deficiencias en la ataxia cerebelosa, que van desde el habla hasta el equilibrio. La escala se compone de 8 categorías con puntuaciones que van como, marcha (0-8 puntos), postura (0-6 puntos), sentado (0-4 puntos), alteración del habla (0-6 puntos), persecución de dedos (0-4 puntos), prueba de nariz y dedos (0-4 puntos), movimiento rápido de la mano alternado (0-4 puntos), deslizamiento del talón y la espinilla (0-4 puntos). Una vez que el médico evalúa cada una de las 8 categorías para un individuo, puede calcular aún más la puntuación acumulada que varía de 0 (sin ataxia) a 40 (ataxia más grave) para determinar la gravedad de la ataxia del sujeto ataxico. En nuestro estudio, para evitar cualquier sesgo subjetivo, un clínico evaluó todas las tareas.

Esquema de evaluación de 3 niveles del sistema de COA

Las técnicas a incorporar en el sistema instrumentado propuesto (sistema de COA) se demuestran a través de un diagrama de flujo (Fig. 3) y esbozado en las subsecciones siguientes.

3-nivel de Evaluación de proceso de diagrama de flujo de la COA del Sistema.

La reducción de características y el análisis estadístico

La extracción de características originales para cada prueba se basó en estudios anteriores relevantes 4,6,7,8,9,10,11. Se identificaron un total de 172 características críticas para la evaluación objetiva de pruebas individuales. Las mediciones de proceso contienen muchos datos correlacionados o redundantes. Es importante eliminarlos y extraer las características que tengan la relevancia más independiente. El Análisis de Componentes Principales (PCA)27 es una herramienta de compresión, extracción y visualización de datos utilizada para transformar varios factores asociados en un grupo de variables no correlacionadas. El PCA se utiliza para comprimir las 172 funciones originales en 27 unidades (3 UNIDADES de cada una de las 9 pruebas) (Fig. 3). Además, la información crítica no proviene de una sola variable de una prueba individual, sino que con frecuencia proviene de la relación entre las variables, es decir, cómo varían conjuntamente. La PCA es el método estadístico multivariante más apropiado para evaluar dicha información, ya que puede gestionar un gran número de factores altamente correlacionados, ruidosos y redundantes.

El valor p para la prueba de hipótesis se calcula para las distribuciones de las 3 piezas resultantes (piezas 1-2-3) de cada prueba con respecto a cada uno de los 5 dominios (Habla, miembro superior, miembro inferior, marcha, equilibrio) para determinar si los grupos de sujetos (control y ataxia) difieren significativamente. En cada dominio, los individuos con medidas SARA mayores que cero, se agrupan como atáxicos, y los controles y los sujetos que obtuvieron una puntuación SARA de 0 para una prueba en particular se agrupan como normales. Se adoptan pruebas estadísticas no paramétricas (Kolmogorov-Smirnov (KS) y Mann-Whitney-Wilcoxon (MWW)) para evitar suposiciones sobre la distribución de datos.

Teoría de grafos & medidas de centralidad

La cuantificación visual de las dependencias de prueba/dominio

La teoría de grafos se aplica para obtener más información sobre las relaciones entre pruebas y dominios. Se asignaron pruebas y dominios a los nodos de una red, que unían los nodos por aristas con longitudes que representaban los coeficientes de correlación de rango de Spearman (ρ). La centralidad de un nodo indica el número de bordes adyacentes a ese nodo y la proximidad a todos los demás nodos, lo que se considera una indicación de la importancia del nodo. La frecuencia con la que aparece un nodo en el camino más corto entre otros dos nodos también es una medida de importancia. El análisis de Árbol de Expansión Mínima (MST) 28 se utiliza en nuestro estudio como una medida confiable para comparar las redes entre diferentes grupos, ya que es imparcial y no requiere ajustes de parámetros arbitrarios29. La MST solo se ha aplicado recientemente a las redes cerebrales 29 y a la identificación de genes críticos en la diabetes mellitus30. El MST es un subgráfico que conecta todos los nodos para reducir la longitud total del borde. En este sentido, el MST es la red «troncal» que encapsula las dependencias entre pruebas y dominios. Para medir la proximidad, utilizamos el siguiente mapeo para traducir los coeficientes de correlación de rangos de Spearman (ρ) a distancias.

El MST de este gráfico se calcula asignando las pruebas/dominios a los nodos de una red y uniendo los nodos a través de bordes con longitudes dadas por ρ.

Descripción general de la importancia de la prueba/dominio utilizando medidas de centralidad de gráficos

La representación de las pruebas y dominios en forma de gráfico permite cuantificar las relaciones entre ellos. Dado que los gráficos matemáticos caracterizan intrínsecamente las mediciones de significación de nodos, las pruebas/dominios asignados a esos nodos se consideran altamente relevantes para medir la AC. La puntuación de importancia de la característica se calcula en todo el gráfico utilizando Medidas de Centralidad populares como Centralidad de Grado, Centralidad de Cercanía y Entreveridad30. La Centralidad de Incidencia o Grado de un nodo en un gráfico dado cuenta el número de aristas adyacentes a ese nodo que se define matemáticamente como,

donde, g := (N, e) es el gráfico dado con |N| nodos y |e| aristas. En un gráfico conectado, la longitud media de la ruta más corta entre el nodo y todos los demás nodos de la red se denota como la Centralidad de Cercanía normalizada (o Cercanía) de un nodo. Por lo tanto, un alto valor de Cercanía implica que el nodo es central o significativo. La cercanía se define como el recíproco de la suma de las distancias desde el nodo a todos los demás nodos, es decir,

donde d(N1, N2) es la distancia entre los vértices de N1 y N2. Del mismo modo, la distancia entre nodos de un nodo calcula la frecuencia con la que aparece ese nodo entre otros dos nodos en el gráfico en el camino más corto. Un alto valor de entrepierna significa que el nodo es relevante. La distancia entre nodos N se denota como,

Experimento de clasificación

Clasificación binaria

El siguiente paso del esquema consiste en un diagnóstico o un problema de clasificación binaria que compara el rendimiento de discriminación de cada una de las pruebas individuales, la prueba combinada de 9 y dos subconjuntos reducidos utilizando una clasificación de Bosque aleatorio (RF) 31. Cada característica contribuyó a cada una de las 4 dimensiones de Holmeshian en diversos grados (los pesos) que se calcularon en consecuencia para la prueba total de 9, así como para el subconjunto óptimo de pruebas.

Clasificación multilabel

En nuestro estudio, se utiliza un algoritmo adoptado aleatorio basado en bosques para la Clasificación Multilabel 32.

La entrada de características en el problema de clasificación multilabel de nuestro estudio consistió en 27 componentes principales de todas las pruebas (3 piezas x 9 pruebas). El objetivo era identificar las discapacidades en 5 dominios (0: normal; 1: atáxico). Por ejemplo, un participante está representado por los dominios del habla, miembro superior, miembro inferior, marcha y equilibrio; y la posible representación de powerset de etiquetas de esto es un problema de clasificación de varias clases con las clases , , , , , , , , …, donde, por ejemplo, denota un participante cuyos dominios de habla y miembro inferior se ven afectados, mientras que los dominios miembro superior, marcha y equilibrio no se ven afectados.

Importancia de la característica (o rango) en el modelo de RF

Al principio, el tamaño óptimo de hoja en un clasificador de RF se verifica comparando los Errores Cuadrados Medios (MSE) obtenidos por clasificación para varios tamaños de hoja (5, 10, 20, 50 y 100). El tamaño óptimo de la hoja debe producir los valores más bajos de MSE. Una vez que hemos estimado el tamaño óptimo de las hojas, se cultiva un conjunto más grande y se utiliza para estimar la importancia de las características. Para calcular la importancia de la característica en el modelo de diagnóstico de bosque aleatorio, inicialmente, se calcula el MSE del modelo con las variables originales. A continuación, se permutan los valores de una sola columna (que representa la entidad 1 para n observaciones) y se vuelve a calcular el MSE. Por ejemplo, si una columna toma los valores de entidad x1, x2, x3, x4 y una permutación aleatoria de los valores da como resultado x4, x3, x1, x2; entonces esto dará como resultado un nuevo MSE. La diferencia en MSE se promedia sobre todos los árboles del conjunto y se divide por la desviación estándar tomada sobre los árboles para cada variable. Cuanto mayor sea este valor, más significativa será la variable. Se espera que la diferencia sea positiva, pero si es un número negativo, entonces implica que la permutación aleatoria funcionó mejor inferiendo que la característica no tiene un papel en la predicción y no se considera importante.

Cálculo DE estrellas

Una vez que se evalúa la importancia/rango de las 3 características de PC para una prueba específica a través del esquema de clasificación Aleatoria de bosques, el peso de la característica original se calcula de la siguiente manera: