포괄적인 목표는 평가(COA)시스템

이 연구에서,우리가 사용 BioKin17,클라우드 기반 실시간 모션 캡쳐 센서 플랫폼 수행하는 포괄적인 목적의 평가 캘리포니아입니다. BioKin17 은 내장 된 3 축 가속도계(Invensense,Inc.의 모델 칩셋”MPU-9150″)가있는 무선 웨어러블 장치입니다.,산호세,캘리포니아,미국)및 ieee802.32 비트 ARM 프로세서에서 실행되는 11b/g/n/무선 통신 인터페이스. 이 BioKin 센서 시스템 개발한 네트워크로 연결된 감지 및 제어 실험,디킨 대학교,상호 작용할 수 있는 안드로이드 모바일 응용 프로그램을 캡처하는 복잡한 움직임을 인간의 몸을 실시간 그림에 나타낸 바와 같이. 1. 그것은 최적화를 줄이는 효과와 정착 센서 드리프트 문제를 제거하여 널 수준의 교차 축 선형 오류를 서로 간의 관성 sensor17. 이 센서는 벤치 표시에 대하여 기존의 여러 개의 카메라를 기반으로 광학적인 움직임 추적 시스템(Vicon 시스템 T40S,옥스퍼드,영국),높은 정밀도를 벤치 마킹 system18. BioKin 은 50Hz 의 샘플링 속도로 3 차원(3D)데카르트 좌표에서 자이로 스코프 및 가속도 데이터를 캡처했습니다. CA 평가 수행 되었을 통해 다음과 같은 단계:

1. 동의 입력에 의해 생성 된 아홉을 계측하는 테스트를 모방 구 표준 머리맡 임상 시험의 캘리포니아를 덮고 5 도메인이 있습니다.

2. 이들은 센서에 의해 캡처하고 시각화를 지원하는 응용 프로그램에서 스마트폰.

3. 무선 전송을 blockchain 기반 클라우드 network19 는 진단 및 평가 알고리즘을 적용됩니다.

4. 데이터 분석 결과는 임상 적으로 관련된 형식으로 변환됩니다.

센서 플랫폼의 화보 표현은도 1 에 도시되어있다. 1.

모션 입력

피험자는 9 개의 표준 임상 시험을 수행하도록 하였다; 반복되는 음절 발언(SPE),리듬 손가락을 눌러(FIN),손가락 코/코 손가락(FNT),dysdiadochokinesia(DDK),탄도적으로 손가락을 쫓아(BAL),발뒤꿈치-shin(HST),발 눌러(FOO),입장/romberg(ROM)고 걸음걸이(WAL). 작업은 5 개의 도메인을 모두 포함하는 SARA 에 지정된 지침과 함께 인라인으로 수행됩니다. 을 피하기 위해 혼란 요인으로 인해 흔들리는 동안 수행하는 테스트를 위치에 앉아,참가자들이 제공하는 축 지원을 즉 편하게 앉아서 세워서 앉아있는 위치입니다. 의자의 등받이 지지대는 허리와 일치하여 적절한 목재 지지대로 90-100 도 각도를 이루었습니다. 오른쪽 팔다리와 왼쪽 팔다리가 모두 평가되었습니다.

데이터 수집

COA 시스템을 활용하의 관성 측정 단위(아이마스)비에서 BioKin 시스템에서 일곱의 테스트를 캡처 변환 및 회전기구학에서 직각을 통해 축 가속도계와 자이로스코프입니다. Microsoft Kinect V2 카메라를 장착 23 인치 모니터링하고,미니 PC Intel core i5 프로세서에서도 사용 중 하나에 대한 테스트를 마커션 캡처를 얻기 위한 절대 위치 정보입니다.

클라우드 기반의 알고리즘

기록된 데이터는 다음에 전송 blockchain 기반 클라우드 network19 를 통해 무선 연결에 대한 후속 데이터 처리용 의사를 취득하는 심각도 점수가 있습니다. MATLAB(R2019a,MathWorks)및 Python 환경은 무선 수단을 통해 전송 된 데이터를 처리했습니다.

임상 출력

캡처한 데이터 시각화를 통해 안드로이드 기반의 스마트폰 응용 프로그램,BioKin 생성하는 평가 보고서와 심각도 점수의 결과로 클라우드 기반 데이터 처리합니다.

우리의 COA 시스템에서 6 개의 주변 테스트(DDK,FNT,FIN,BAL,FOO,HST)각각에서 모션 캡처를 통해 데이터를 획득하는 평균 시간 지출은 15 초 미만입니다. 균형 테스트(ROM)는 30 초 미만이 소요되며 보행 테스트(WAL)는 90 초 미만이 소요되며 spe(spe)는 데이터를 획득하는 데 5 초 미만이 소요됩니다. 따라서,평균 임시 비용 데이터를 수집하고 생성하는 누적 테스트 결과(사용하여 클라우드 기반의 알고리즘)를 하나의 환자가 약하에 215 초과 5 초 각각합니다. 테스트 세트는 일반적으로 최대 30 초가 걸립니다.

실험 설계

참가자

에 대한 심도있는 분석과의 이상인 타이밍,안정성,정확성 및 리듬에서 모터 운동,음성 및 운동학 데이터를 기록에서 34 과목의 기본 언어는 영어입니다. Twenty-three 이전에 진단된 소 뇌 운동실조(CA)에 있으로 인해 신경 장애에 참석하는 신경과 병원에서는 로열 빅토리아 눈과 귀 병원(RVEEH)또는 알프레드 병원에 있습니다. 11 명의 정상 피험자(대조군)는 신경 학적 상태 또는 다른 언어 장애의 병력이없는 자원 봉사자였다. 코호트 통계의 요약은 표 1 에 제시되어있다. 참가자(대조군 및 CA)중 누구도이 임상 조사 이전에 재활 프로그램을 거치지 않았습니다. 참가자(대조군 및 CA)중 누구도이 임상 조사 이전에 재활 프로그램을 거치지 않았습니다. 의 리뷰 literature20,21,22 일 밝혔 시대의 시작,시대의 진단과의 인구 통계 학적 요인에 영향을 주지 않음을 주의 나이 gmoender-과 관련된 운동 실조. 우리의 연구에 국한되었다 성인의 발병 집단 운동 실조,엄격하게 준수하는 연령 및 성별 기준에 일치하는 것은 불가능한 일이었습니다.

윤리 위원회의 승인 및 동의 참여

이 연구에 의해 승인 인간의 연구 윤리 위원회,로열 빅토리아 눈과 귀 병원,East Melbourne,Australia(HREC 참조 번호:11/994H/16)그에 의해 지원되는 플로리 연구소 신경과학,정신적 건강,멜번,vic,오스트레일리아를 통해 국가의 보건 및 의료연구위원회(NHMRC)권한을 부여: GNT1101304 및 APP1129595. 모든 방법들을 통해 본 연구에 수행에 따라 관련된 지침 및 규정을 서면 동의에서 얻은 모든 참가자가 이전에 입학. 도 1 에 묘사 된 이미지를 게시하기 위해 피험자 모두로부터 정보에 입각 한 동의가 얻어졌다. 1.

테스트 프로토콜의 기능을 추출

목적의 평가를 구한 신경 테스트 응용 프로그램은 다음과 같은 5 개의 도메인에 대한 간략한 설명과 함께 자신의 실행 프로토콜입니다. 관련 각 study4 에서 CA 의 진단에 중추적 인 것으로 입증 된 기능 요약,6,7,8,9,10,11 또한 표 2 의 각 테스트 하위 섹션에 포함되었습니다.

음

• 반복절 발언(SPE):후보가 필요한 반복하는 자 음절은 모음/ta/5 초에서 자신이 선호하는 속도입니다. 기록 만들어졌을 사용하여 콘덴서 마이크 클리핑에서 대략적인 거리의 10cm 대상의 입에서 조용한 방에서 낮은 주변의 소음 수준입니다. 전문 조사관의 감독하에 BioKinMobi 프로그램을 사용하는 안드로이드 폰이 연설을 포착했습니다. 반복/ta/음절 utterances4,6 의 기차에서 6 개의 음향 기능을 추출하기 위해 지형 굴지 기반 자동화 알고리즘이 채택되었습니다.

• 지속 시간의 규칙 성은 반복/ta/(RT)발언의 리듬의 변동성을 측정합니다. 이것은 50%굴지에서 웨이브 데이터에서 추출한 타이밍 적자의 적적 척도로 확인됩니다.

• 갭 규칙 성은 두 개의 연속/ta/음절 피크 사이의 시간차 변동성을 측정합니다.

• 평균 최고 명성을 측정 평균 상대적인 상승/피크에 대한 특정/ta/펄스 간주됩니다.

• 보상 측정 규칙 내에서의 변동성의 차이를 계산한 사이크 및 해당 부각정에 따//음절 펄스입니다.

• 댐핑 비율은 75%굴지에서 추출 된 파동 데이터로부터 계산 된/ta/음절의 댐핑 비율의 평균을 측정했다.

• 공진 주파수는 50%굴지에서 추출 된 파동 데이터에서 계산 된/ta/음절의 공진 주파수의 평균을 측정했습니다.

상지

• 리듬 손가락을 눌러 테스트(FIN):참가자는 리드미컬 탭 자신의 손가락에 대한 수평한 표면(예를 들어 테이블에 최고)에서 자신이 선호하는 속도 및 기간입니다. 바이오킨은 데이터 수집을 위해 포인팅 검지 손가락의 등쪽에 장착되었습니다. 첫 3 주요 구성 요소(PC)의 multiscale 엔트로피를 측정에서의 X,Z 축 가속도 신호 및 X 축 자이 스코프의 신호와의 계수의 변화 간 탭 간격을 측정 불규칙의 리듬었을 선택한 features7.

• 손가락 코 테스트(FNT): 참가자들에 필요한 터치가 그들의 코를 자신의 지적 손가락하고 다음을 사용하여,같은 손가락,손에 닿는 임상의 손가락을 배치하는 약 25cm 에서 주제의 코입니다. 손의 움직임은 포인팅 집게 손가락의 손의 도름에 부착 된 바이오 킨에 의해 측정되었다. 공진 주파수와 진폭에서 공진 주파수들 중요한 features8 로에 의해 캡처 BioKin 연결하의 손바닥을 가리키는 때입니다. 가속도 및 각속도의 주파수 도메인 설명은 각 직교 축(X,Y 및 Z)8 에서 공진을 포착하기 위해 사용되었습니다.

• Dysdiadochokinesia 테스트(DDK):참가자는 필요한 장소의 배부 중 하나에 손을 다른 손바닥,에 도시 된 바와 같이. 1. 그런 다음 참가자들은 손바닥 쪽을 아래쪽으로 향하게하여 다른 손의 손바닥에 휴식을 취하도록 지시 받았다. 피험자는 또한 가능한 한 빠르고 정확하게이 두 위치 사이에서 교대로 pronate 하고 supinate 하도록 지시받습니다. 교대의 속도는 손목에 부착 된 바이오킨의 IMU 에서 추출됩니다. 이 테스트는 운동을 조율 할 수 없는지 검사했습니다. Pronate 와 supinate 의 변경 속도,공명 주파수에서의 공명 주파수 및 진폭은 중요한 특징이었습니다 8.

• 탄도 추적(BAL):참가자는 모니터 화면에서 대상을 가리켜 야했습니다. 포인팅 검지 손가락의 움직임은 Kinect 카메라를 사용하여 감지되었으며 화면에 마커로 표시되었습니다. 목표가 정확하게 따라 대상을 통해 예상(Kinect 카메라)마커화면의 대상이 빠르게 움직이고 무작위로부터 지점에습니다. 다음과 같은 특징을 표시한 수준의 상관관계와 장애인 수준에 의해 캡처 된 표준 임상 측정 SARA9:

• 오류가:사이의 거리를 마커 대상 및 궤적 측정을 사용하여 동적인 시간 뒤틀림 방법을에서는 수평(H)와 수직(V)축이 있습니다.

• 종합 시간 지연: 이것은 2 회 시퀀스,마커 및 대상에 대한 교차 상관 관계로 계산되었습니다.

• 운동 학적 지연:이것은 Fitts 의 법칙에서 성능 측정의 지수를 사용하여 얻어졌다. 이 기능은 대상 위치에 도달하는 피사체의 성능을 측정하는 것입니다.

• H 및 V 축의 방향 변화:이것은 참가자가 방향 변화의 관점에서 측정 된 가속도를 변경 한 횟수입니다. 이 기능에는 시험 중 피험자의 성능뿐만 아니라 오버/언더 슈팅의 정보가 포함되었습니다. 더 높은 수준의 dysmetria 는 대상과 마커 궤적의 차이에 따라 더 큰 오류율을 유추했습니다.

더 낮은 사지

• 힐 신 테스트(하와이 표준시):참가자는 배치하는 데 필요한 뒤꿈치에 무릎과 실행을 따라 경골 사이에,힐고 무릎을 반복하고 가능한 한 정확하게. 바이오킨은 발의 등골에 붙어 있었다. 공진 주파수에서의 공진 주파수와 진폭은 중요한 특징이었습니다.8.

• 리듬 발 태핑(FOO): 참가자들은 각 발을 수평 표면(예:바닥)에 대해 리드미컬하게 두드려야했습니다. 첫 3 주요 구성 요소(PC)의 multiscale 엔트로피를 측정에서의 X,Z 축 가속도 신호 및 X 축 자이 스코프의 신호 및 계수의 변동의 간 탭 간격을 측정 불규칙의 리듬었을 선택한 features7.

균형

• Romberg 테스트(ROM):참가자는 필요한 서 발 함께 다음과 떨어져 발,팔에 의한 측면에 대한 만큼 가능합니다(최대 30 초); 먼저 눈을 뜨고 눈을 감은 채로. 하나의 바이오킨은 탄성 네오프렌 벨트에 의해 xiphisternum 에 대략 위치되었다. 두 번째 바이오킨은 목 바로 아래의 중간 선에서 어퍼 백 위치에 부착되었습니다. 퍼지 엔트로피 기술은 측정 된 truncal 가속도로부터 추론 된 자세 동요 속도에 사용되었다. 엔트로피 values23 의 추론된 속도로 간주되었으로 주로 측정한 신경 모터 컨트롤 중에 서 있는 자세는 상당한 부분에 비례하는 몸의 흔들림 속도합니다. 속도 측정의 불확실성에는 truncal instability10 과 관련하여 상당한 수준의 정보가 포함되었습니다.

보행

• 걸음걸이 테스트(WAL):참가자는 필요한 도보 5 미터 반환되는 반복 10. 피사체의 움직임에 의해 캡처 된 내장 관성 센서의 스마트폰에 연결 xiphisternum 에 의해 탄력 있는 내오프렌 벨트와 두 BioKin 센서에 첨부된 각 발목. 센서는 X,Y 및 Z 축이 각각 ML(Medio-측면),AP(Antero-후방)및 VT(수직축)운동을 포착하도록 배치되었습니다. 각 직교 축(X,Y 및 Z)에서 주파수 도메인 설명을 사용하여 공진 11 을 캡처했습니다. 각 피험자에 대해,크기 및 공명은 특징 벡터를 형성하기 위해 각 축에서 사용되었다. 또 다른 특징,퍼지 엔트로피를 기반 속도 측정 불규칙한 나진 않나 이상(VI)에서 선택 study11 을 측정하는 걸음걸이성 또는 불확실성 수준은 걷는 동안. In23 연구는 truncal 운동 실조증을 포착하기 위해 퍼지 엔트로피(FuzzyEn)를 도입했습니다.

에서 참조하여 ataxic 집단에 등록된 우리의 연구는,사람들을 위해 사라 점수 7 걷–인스턴스에서는 보행 보조은 필요한 환자에 요청하는 테스트를 수행하기 위해 사용으로의 적절한 보행을 돕(즉,하나의 포인트 스틱 또는 네 개의 바퀴가 달린 프레임(4WF)).

Ataxic 치수(성급)

works of Gordon 는 자주 인용하는 데는 기본적인 영향에서 우리의 이해의 임상 증상과 소 뇌 lesions2,3,24. 우리의 연구에서,우리는 재 홈즈’접근의 특성화 운동의 주체로 소 뇌 기능 장애의 관점에서 네 가지 차원(의 안정성,타이밍,정확성&Rhythmicity).

• 안정성(S):이것은 플랫폼(실행)의 안정성과 관련이 있습니다. 플랫폼은 상대적으로 고정되어 움직이는 신체 부위가 정확하게 작업을 실행할 수있는 관절과 근육입니다. 예를 들어,DDK 작업은 효율적인 실행을 위해 어깨와 팔꿈치 굴곡과 연장의 상대적 안정성을 필요로합니다. 상대적 불안정성으로 인해 2 차 축에서 불필요한 움직임이 증가합니다.

• 타이밍(T):경우 캘리포니아가 현재 작업 시간 제약 조건과 같은 일반적으로 발를 대기 시간이 증가하기 전에 운동이 시작과 작업을 실행에서 속도가 느리기 때문에 더 적은 직접적인 과정입니다. 동일한 기능은 종종 시간 제약이없는 경우에도 분명합니다. 이러한 기능은 CA 가 더 심각 할 때 더 분명하며,무의식적으로 타이밍이 작업을 완료하는 중립적 인 트레이드 오프임을 시사합니다. 계산 용어,우리는 그것을 인정 오류 사이의 목표에 대해 무엇을 달성 가능성이 높으로 인해 영향을 받는 다음과 같은 두 가지:

• 시간 피사체를 시작하는 순간이다.

• 운동(속도)을 완료하는 시간.

  • 정확도(A):개념적으로 작업은 느리게 완료되지만 가장 효율적인 대상을 따를 수 있습니다. 이러한 상황에서 우리는 이것을”정확한”성능으로 간주 할 것입니다. 할 때 직접적인 경로를 따라(위해 인스턴스에서 BAL 작업)또는 거래하거나 통해 촬영,다음 작업이 될 것입니다’오류에 비해와 통제의 성능(인정이 될 수 있습과 관련된 타이밍 오류가). 계산 용어,본 연구에서 우리는 그것을 인정하는 오류로 사 목표/공간을 목표에 대해 무엇을 달성에서는 공간적 상황(static).

  • 리듬(R):반복되는 움직임의 불규칙성.

기능에 대한 각각의 테스트에 우리의 제안 COA 시스템는 할당을 앞서 언급한 차원을 통해 다음의 2 단계별 접근 방식:

1. (a)실행은 축 방향의 기본 움직임을 실행하는 데 필요한 의도된 작업과 특성을 리듬거나 타이밍 차원이다.

   (b)모든 편차에 가장 효율적이거나 표준이 필요한 경로를 작업을 실행하는 것으로 간주 정확도는 기능입니다.

2. 다른 축에서의 과도한 움직임은 2 차 운동으로 간주되어 안정성 차원에 속성이됩니다.

도 1 의 화보 표현. 도 2 는 제안 된 2 단계 접근법에 따라 각 도메인에 대한 별 해석을 도시한다.

호텔 라벨링준입니다.

하고 반복되는 테스트(DDK,FNT 에,핀,FOO,HST),공명 주파수 y 축을 따라(주)에 기여하 속도에 따라서는 것으로 간주 타이밍 기능을 하는 반면의 크기 공명으로 간주됩 리듬 기능입니다. 다른 축에 존재하는 2 차 이동/교란은 안정성 피쳐로 불린다.

목표 기반 테스트(bal)의 경우,대상을 쫓는 1 차 이동의 모든 지연은 타이밍 기능으로 간주됩니다; 얼마나 잘 대상하거나 어느 정도의 편차에 회의의 목표를 정의하의 성능을 참가자에 따라서 측정 정확도는 기타 모든 기능의 케이터링은 과도한/비효율적인 움직임은 아래에 표시됩 안정성이 있습니다.

보 테스트로 구성되어 있의 걷는 직선으로 앞으로(따라 AP 축)이기도하여 들고 설정을 아래로 각 발에서는 리듬 패션이다. 이것은 리듬 정보를 추론하는 반면,ap 축으로부터의 truncal sway 의 정도(즉,ML 축에서의 움직임)는 정확도 정보를 추론합니다. 또한,VT 축에서 원하지 않는 동요는 안정성 기능으로 간주됩니다.

균형 테스트를 위해 참가자는 VT 축을 따라 꾸준한 직선 자세를 유지할 것으로 예상됩니다. 이들의 기본 운동,모든 편차 또는 흔들리에 VT 축 계정을 부정확하고 다른 원하지 않는 나진 않나 흔드에서 하나 AP 또는 ML 으로 간주 됩니다 안정성이 특징이다.

음성에 대한 테스트 기능을 측정하는 리듬는 자연의 반복에 따//발언,예를 들어,갭 사이의 연속에 따//발언의 시간에 따//는 것으로 간주 rhythmicity 특징과 공진 주파수 기능으로 타이밍 기능입니다. 댐핑 비율이 낮 으면 진동이 더 높음을 나타냅니다. 따라서,a/ta/발언의 낮은 댐핑 비율은 운동 실조 음향 특징으로서 음성 조음 중 보컬 기관의 불안정성을 나타냅니다.

172 개의 기능을 생성하는 5 개의 도메인에서 9 개의 테스트에 대한 요약은 표 2 에 그들의 별 해석과 함께 제시되어있다.

임상 평가

캘리포니아었에 의해 득점 경험있는 임상의사에 따르면 사라는 주제로 운동실조이 진행됩니 작업입니다. SARA 는 Schmitz-Hübsch 등이 개발 한 임상 규모입니다.연설에서 균형에 이르기까지 소뇌 운동 실조증에서 다양한 장애의 범위를 평가하는 25,26. 규모가 만든 8 개의 카테고리와 함께 점수에 이르기까지로,걸음걸이(0-8 점),입장(0-6 점),앉아(0-4 점),언어 장애(0-6 포인트)로,손가락을 쫓아(0-4 점),코 손가락 테스트(0-4 점),빠르고 교대는 손동(0-4 점),힐 신 슬라이드(0-4 포인트). 면 임상 평가의 각각 8 종류별,그들이 할 수 있 추가 계산에 누적 점수에 이르기까지 0(운동 실조)40(가장 가혹한 운동 실조)을 확인하 ataxic 주제의 심각성 운동실조. 우리의 연구에서 주관적인 편견을 피하기 위해 한 임상의가 모든 작업을 평가했습니다.

3 계층 평가 계획의 COA 시스템

기술을 통합될에서 제안된 시스템(COA 시스템)는 시연을 통해 순서도(Fig. 3)및 다음 하위 섹션에 설명되어 있습니다.

3 계층 평가 프로세스의 흐름도 COA 시스템입니다.

기능을 감소 및 통계 분석

본래 기능을 추출한 각각의 테스트에 기반한 관련 이전 studies4,6,7,8,9,10,11. 총 172 개의 기능이 개별 테스트의 객관적인 평가에 중요한 것으로 확인되었습니다. 프로세스 측정에는 많은 상관 관계 또는 중복 데이터가 포함됩니다. 그것들을 제거하고 가장 독립적 인 관련성을 지닌 특징을 추출하는 것이 중요합니다. PCA(Principal Component Analysis)27 은 데이터 압축,추출 및 시각화 도구를 변환하는 데 사용되는 여러 가지 관련된 요인으로 그룹의 상관 관계가 없는 변수입니다. PCA 는 원래 172 개의 기능을 27 개(9 개의 테스트 각각에서 3 개)로 압축하는 데 사용됩니다(그림 1). 3). 또한,중요한 정보를 오지 않아서 하나의 변수의 테스트,하지만 자주에서 유래한 사이의 관계는 변수,즉 그들은 어떻게 co-다릅니다. PCA 가장 적절한 가운데 일반적으로 사용되는 다변량 통계적 방법에 대한 평가가 이러한 정보기 때문에 그것을 관리할 수 있습 큰 숫자의 상관관계가 매우 높고,시끄럽 및 중복되는 요소입니다.

p 값에 대한 가설을 테스트가 계산에 대한 배포판의 결과는 3 개(Pc1-2-3)각각의 테스트와 관련하여 각각의 5 도메인(음성,상지,저지,걸음걸이,균형)을 결정한 경우에는 그룹의 과목(제어 및 ataxic)크게 다릅니다. 각 도메인에서 개인과 함께 사라 조치 보다 큰 영화로 ataxic 및 제어 과목이 있었는지 알고 싶 SARA0 점이 특정한 테스트가 그룹으로 정상입니다. 비 파라 메트릭 통계 테스트(Kolmogorov—Smirnov(KS)및 Mann-Whitney-Wilcoxon(MWW))은 데이터 분포에 대한 가정을 피하기 위해 채택됩니다.

그래프 이론&중심적 대책

Visual 의 정량화 테스트/도메인 의존성

그래프 이론을 얻기 위해 적용한 통찰력으로 간의 관계 테스트 및 도메인이 있습니다. 테스트와 도메인은 Spearman 의 순위 상관 계수(ρ)를 나타내는 길이로 가장자리에 의해 노드에 합류 한 네트워크의 노드에 할당되었습니다. 의 중심성 노드의 수를 나타냅니다 가장자리에 인접한 해당 노드와 근접하는 모든 다른 노드로 간주되는 표시의 노드의 중요합니다. 노드가 다른 두 노드 사이의 최단 경로에 나타나는 빈도도 중요도의 척도입니다. 최소 Spanning Tree(MST)analysis28 에서 사용되는 우리의 연구로서 신뢰할 수 있는 측정 비교를 위한 네트워크에 걸쳐 다른 그룹 때문에 그것이 공평하고 필요로하지 않는 임의의 매개 변수 settings29. MST 는 최근 brain networks29 및 당뇨병 mellitus30 에서 중요한 유전자의 식별에 적용되었습니다. MST 는 전체 에지 길이를 줄이기 위해 모든 노드를 연결하는 하위 그래프입니다. 이러한 의미에서 MST 는 테스트 간/도메인 종속성을 캡슐화하는”백본”네트워크입니다. 근접성을 측정하기 위해 다음 매핑을 사용하여 Spearman(ρ)의 순위 상관 계수를 거리로 변환합니다.나는 이것이 내가하는 일이 아니라는 것을 알고 있지만,내가하는 일이 무엇인지 알지 못한다.$$

MST 한 그래프를 계산 할당하여 테스트/도메인을 노드의 네트워크와 결합된 노드를 통해 가장자리와 함께 길이에 의해 주어진 ρ.

의 개요를 테스트/도메인 중요도를 사용하여 그래프 중심적 대책

대표 테스트 및 도메인을 그래프에서 형성할 수 있습의 정량화 간의 관계를니다. 때문에 수학적 그래프로 본질적인 특성화 노드의 중요성을 측정,테스트/도메인을 할당된 노드 간 관련성이 높은 측정 CA. 기능 중요성 점수가 계산에 사용하여 그래프 인기있는 중심성과 같은 조치를 정도이 중심을 이루었고,친밀감 중심성과 Betweenness30. 발생률 또는 정도의 중심성에서 노드를 특정 그래프 카운트 의 가장자리에 인접한 해당 노드는 수학적으로 정의

어디서,g:=(N,전자) 은 주어진 그래프|N|노드|e|가장자리입니다. 에 연결된 그래프,평균 길이의 최단 경로 사이의 노드와 모든 다른 노드에서 네트워크로 표시됩니다 정규화된 친밀감 중심성(또는 친밀감)의 노드입니다. 따라서 근접성의 높은 값은 노드가 중심이거나 중요하다는 것을 의미합니다. 친밀감으로 정의된 상호 합의 거리의 노드에서 모든 다른 노드들,즉

어디 d(N1,N2)이 정점 사이의 거리 N1and N2. 마찬가지로,노드의 Betweenness 을 계산하는 방법을 자주하는 노드가 나타나는 사이에 두 개의 다른 노드의 그래프에서 가장 짧은 경로입니다. Betweenness 의 높은 값은 노드가 관련되어 있음을 의미합니다. 이 Betweenness 노드의 N 로 표시됩니다.

분류 실험

이진 분류

다음 단계의 체계로 구성되어 있의 진단이나 바이너리 분류 문제 비교하는 차별 성능의 각각의 개별 테스트 결합된 9 개의 시험과 두 개의 감소한 하위 집합을 사용하여 임의의 숲(RF)classifier31. 각 기능에 기여하는 각 4 개의 Holmeshian 차원을 다양한 각도(무게)된 계산에 따라 대한 전반적인 9 테스트뿐만 아니라 최적의 하위 집합을 테스트합니다.

Multilabel 분류

우리의 연구에서는 임의의 숲을 기반으로 채택 알고리즘에 대한 Multilabel Classification32 이 사용됩니다.

기능을 입력 multilabel 분류 문제의 연구로 구성 27 체에서 구성 요소를 모든 테스트(3PCs x9 시험). 목표는 5 개의 도메인(0:정상;1:운동 실조)에서 장애를 확인하는 것이 었습니다. 예를 들어,참가자에게 표시되는 도메인의 음성,상지,저지,걸음걸이와 균형이고 가능한 라벨 powerset 의 표현이 멀티-클래스 분류제의 클래스, , , , , , , , …, 어디서,예를 들어,을 나타내 참가자의 도메인의 음성과 낮은 사지가 영향을 받는 반면 도메인의 상지,걸음걸이와 균형은 영향을 받지 않습니다.

특징 중요성(또는 순위)에서 RF 모델

아주 초기에 최적의 리프 크기에서 RF 분류자는 비교하여 확인 평균 제곱 오류(MSE)에 의해 얻어 분류를 위한 다양한 잎 크기(5,10,20,50,100). 최적의 잎 크기는 가장 낮은 MSE 값을 산출해야합니다. 일단 우리가 최적의 잎 크기를 추정하면,더 큰 앙상블이 재배되고 피처 중요도를 추정하는 데 사용됩니다. 무작위 포리스트 진단 모델에서 피처 중요도를 계산하기 위해 처음에는 원래 변수가있는 모델의 MSE 가 계산됩니다. 그런 다음 단일 열의 값(n 개의 관측치에 대한 특징 1 을 나타냄)이 permuted 되고 MSE 가 다시 계산됩니다. 예를 들면,열 소요 기능 값을 x1,x2,x3x4 및 임의의 순열 값의 결과에 x4,x3,x1,x2;그런 다음 이에 새 MSE. MSE 의 차이는 앙상블의 모든 트리에서 평균화되고 각 변수에 대해 트리에서 취한 표준 편차로 나뉩니다. 이 값이 클수록 변수가 더 중요합니다. 차이 될 것으로 예상된다 긍정적이지만,이 경우 그것은 음수를,그것이 의미하는 임의의 순열했는 더 나은 추론하는 기능이 없 역할에서 예측되지 않은 것으로 간주 중요합니다.

성산

한 번 중요성/의 순위 3PC 의 기능을 평가에 대한 특정한 테스트를 통해 임의의 숲 순위,계획,중량의 원본 기능은 다음과 같이 계산됩니다.:

어디 WOF:중에 이 기능을 PC component;R: 순위의 PC 기 RF 모델입니다. 이후는 각 기능에 관한 것이 하나의 4Holmeshian 차원의 기여 전반적인 안정성,타이밍,정확성 및 리듬 차원은 축적 weigtage 의 안정성,타이밍,정확성 및 리듬 기능을 각각합니다.

교차 유효성 검사(CV)

두 분류 문제에 대해 Loo(Leave-one-out)CV 기술을 사용하여 데이터를 계층화합니다. 크로스 검증에서 multilabel 설정은 복잡한다는 사실에 의해 일반(binary/다중 클래스)방식의 계층화된 샘플링이 적용될 수 없는 대체 방법의 대략적인 계층화된 샘플링 제안되었 in33. 그래서 우리의 연구에서 다중 라벨 층화는 반복적 인 기술을 사용하여 수행되었습니다.

평가 메트릭

성능의 분류기 평가를 사용하여 통계,정밀도,기억,F1 점수,정확도와 매튜스 상관관계 계수(MCC)34. 이러한 메트릭은 LOO(34 회)의 각 유효성 검사 후 예측 값을 기반으로 각 도메인에 대해 계산됩니다. 일반 정밀도,리콜,F1 점수,multilabel 분류 문제의 정확도는 5 개 도메인에서 LOO 를 통한 결과의 평균입니다. 예를 들어,

기능을 순위를 통해 RF 기차&유효성과 화장실에는 평균의 모든 순위에서 각각의 훈련과 검증 단계 모두에 대한 바이너리 및 multilabel 분류 문제입니다.