Classification of Ataxic Gait

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18470%2F21%3A50018390" target="_blank" >RIV/62690094:18470/21:50018390 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11150/21:10431624 RIV/60461373:22340/21:43922535 RIV/00179906:_____/21:10431624 RIV/68407700:21730/21:00354811

Výsledek na webu

<a href="https://www.mdpi.com/1424-8220/21/16/5576/htm" target="_blank" >https://www.mdpi.com/1424-8220/21/16/5576/htm</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3390/s21165576" target="_blank" >10.3390/s21165576</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Classification of Ataxic Gait

Popis výsledku v původním jazyce

Gait disorders accompany a number of neurological and musculoskeletal disorders that significantly reduce the quality of life. Motion sensors enable high-quality modelling of gait stereotypes. However, they produce large volumes of data, the evaluation of which is a challenge. In this publication, we compare different data reduction methods and classification of reduced data for use in clinical practice. The best accuracy achieved between a group of healthy individuals and patients with ataxic gait extracted from the records of 43 participants (23 ataxic, 20 healthy), forming 418 segments of straight gait pattern, is 98% by random forest classifier preprocessed by t-distributed stochastic neighbour embedding

Název v anglickém jazyce

Classification of Ataxic Gait

Popis výsledku anglicky

Gait disorders accompany a number of neurological and musculoskeletal disorders that significantly reduce the quality of life. Motion sensors enable high-quality modelling of gait stereotypes. However, they produce large volumes of data, the evaluation of which is a challenge. In this publication, we compare different data reduction methods and classification of reduced data for use in clinical practice. The best accuracy achieved between a group of healthy individuals and patients with ataxic gait extracted from the records of 43 participants (23 ataxic, 20 healthy), forming 418 segments of straight gait pattern, is 98% by random forest classifier preprocessed by t-distributed stochastic neighbour embedding

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LTAIN19007" target="_blank" >LTAIN19007: Vývoj pokročilých výpočetních algoritmů pro objektivní posouzení pooperační rehabilitace</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Sensors

ISSN

1424-8220

e-ISSN

—

Svazek periodika

21

Číslo periodika v rámci svazku

16

Stát vydavatele periodika

CH - Švýcarská konfederace

Počet stran výsledku

12

Strana od-do

"Article Number: 5576"

Kód UT WoS článku

000689890300001

EID výsledku v databázi Scopus

2-s2.0-85113162057