HIERARCHICAL ANALYSIS AND CLASSIFICATION OF ASYMPTOMATIC AND KNEE OSTEOARTHRITIS GAIT PATTERNS USING A WAVELET REPRESENTATION OF KINETIC DATA AND THE NEAREST NEIGHBOR CLASSIFIER
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study is twofold: (1) to develop a classification method to distinguish between asymptomatic (AS) and knee osteoarthritis (OA) gait patterns using ground reaction force (GRF) measurements, and (2) to investigate OA severity within OA gait patterns. Features were first extracted from the GRF vectors to be used for classification. We investigated a two-level hierarchical classification and analysis method using the nearest neighbor rule. At the first level, the GRF data were classified into two classes: AS and OA. At the second level, the GRF data of OA patients were classified according to the pathology severity. The OA patients were grouped into two OA severity categories according to the Kellgren and Lawrence (KL) scale: KL 1 and KL 2 for one category, and KL 3 and KL 4 for the other. Experiments were conducted using data of 42 cases, 16 AS and 26 pathological. The method discriminated between AS and OA subjects with an accuracy of 38 of 42 cases, and assessed the severity correctly with an accuracy of 20 of 26 cases. These results demonstrated the validity of both, the feature and the classifier, for automatic classification of AS and knee OA gait patterns and for analysis of OA severity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle