微信一扫
就有惊喜

投稿&答疑
纠错&侵删
回顾性纳入625匹常规临床检查马,排除双侧跛行,提取头、鬐甲、骨盆对称指标,用特征级线性调制融入地面、图形等情境参数训练神经网络,预测快步跛行侧别和四级严重度。前肢、后肢精确准确率分别为46%和47%,错误多发生在相邻等级,左右反转较少,提示情境感知机器学习可较可靠预测跛行侧别和程度。

躯干IMU机器学习预测马跛行侧别与程度
摘要。背景:临床跛行评估常靠不同地面和图形下的目视,主观性强;客观对称指标虽能量化步态不对称,但跨多种条件解读困难,需要多个互补指标且阈值随情境变化。目的:评估一种情境感知机器学习方法,用躯干佩戴惯性测量单元预测快步时跛行的侧别和严重度。研究设计:回顾性观察。方法:纳入625匹常规临床检查的马,排除双侧跛行后,提取头、鬐甲、骨盆运动的对称指标,用经特征级线性调制(FiLM)融入地面、图形等情境参数训练神经网络,参考跛行等级来自临床报告并聚合为四个顺序严重度,模型输出预测类别和置信度。结果:前肢和后肢的精确准确率分别达46%和47%,多数错误发生在相邻顺序等级之间,左右肢反转较少。结论:情境感知机器学习可从躯干IMU较可靠地预测马跛行侧别和程度。
网站展示的宠物及品牌信息和数据,是基于互联网大数据及品牌方的公开信息,收集整理客观呈现,仅提供参考使用,不代表网站支持观点;
如有侵权、错误信息,请及时联系我们更正或删除!微信/MOB:189 6200 1606 商务合作加V:15061629188