Publikacje

Streszczenie:

W pracy przedstawiono zastosowanie metod analityki danych, zgodnej z koncepcją big data, wykorzystywanej do wspomagania diagnostyki stopnia niepełnosprawności chorych na mózgowe porażenie dziecięce. Na podstawie danych biometrycznych pobieranych z urządzeń diagnostycznych, metodami big data aproksymowane były wartości metryk stosowanych przez lekarzy-rehabilitantów. Pomiary biometryczne wykonywane były za pomocą bieżni, systemu do oceny dynamometrycznej i izokinetycznej oraz platform
stabilometrycznych i dynamograficznych. Przebadano różne techniki analityki danych big data takie jak: klasteryzacja, klasyfikacja, regresja, szukanie reguł asocjacyjnych, wyszukiwanie charakterystyk, w celu pozyskania wiedzy z danych biometrycznych. Punktem odniesienia do oceny stanu niepełnosprawności były wyniki badań klinicznych wspomagane pomiarami optycznymi. Wyniki te były wyrażone za pomocą metryk takich jak GGI i GDI. Na podstawie uzyskanych pomiarów dla grupy kilkudziesięciu osób wytrenowano modele uczenia maszynowego, w taki sposób, aby możliwa była predykcja wartości danej metryki na podstawie wybranych danych biometrycznych pozyskanych z danego urządzenia. Uzyskane wyniki badań pokazały, że za pomocą wybranych urządzeń można z dużą dokładnością oceniać stopień niepełnosprawności pacjenta w odniesieniu do dokładnej diagnostyki wykonanej za pomocą zaawansowanych systemów optycznej analizy ruchu.

Abstract:

The paper presents the application of data analysis methods, consistent with the concept of big data, used to
support the diagnosis of the degree of disability of patients with cerebral palsy. Based on biometric data
collected from diagnostic devices, big data methods were used to approximate the values of metrics used
by physicians-rehabilitators. Biometric measurements were performed using a treadmill, a dynamometric
and isokinetic evaluation system, and stabilometric and dynamographic platforms. Various techniques of
big data analytics were tested, such as: clustering, classification, regression, searching for association rules,
searching for characteristics, in order to obtain knowledge from biometric data. The results of clinical trials
supported by optical measurements were the reference point for assessing the state of disability. These
results were expressed using metrics such as GGI and GDI. Based on the obtained measurements, machine
learning models were trained for a group of several dozen people in such a way that it was possible to
predict the value of a given metric based on selected biometric data obtained from a given device. The
obtained results showed that with the use of selected devices it is possible to accurately assess the degree of
patient's disability in relation to accurate diagnostics performed with the use of advanced systems of optical
motion analysis.

POWRÓT

Strona główna > Publikacje

Zastosowanie metodyki big data w diagnostyce pacjentów z mózgowym porażeniem dziecięcym