TY -的A2 Conforto西尔维亚AU -科斯塔,Luis AU -加戈,米格尔f . AU - Yelshyna Darya AU -费雷拉,Jaime盟——大卫席尔瓦,持有非盟-罗查,Luis盟——苏萨,努诺- AU - Bicho Estela PY - 2016 DA - 2016/12/18 TI -应用机器学习的姿势控制运动学的诊断阿尔茨海默病SP - 3891253六世- 2016 AB -使用可穿戴设备研究步态姿势控制是一个增长领域在神经退行性疾病如阿尔茨海默病(AD)。在本文中,我们调查的辨别力如果机器学习分类器提供诊断的广告基于姿势运动学的控制。我们支持向量机(svm)相比,多层感知器(mlp),径向基函数神经网络(RBNs)和深度信念网(DBNs) 72名参与者(36 AD患者和36名健康受试者)暴露于七越来越难姿势的任务。18决策空间由运动学变量(调整年龄、教育、身高和体重),有或没有神经心理评估(蒙特利尔认知评估(MoCA)评分),最高排名增量分析一个错误。分类结果是基于三倍交叉验证50独立和随机运行集:培训(50%)、测试(40%)和验证(10%)。决策空间完全依赖姿势运动学,广告诊断的准确率从86.1%至71.7不等。增加了变量,精度介于96.6%至91之间。MLP分类器实现最佳性能在决策空间。在理解姿势稳定和认知能力之间的互动交流,我们的研究结果支持机器 - - - - - -学习模式是一个有用的工具计算机辅助诊断的广告基于姿势运动学的控制。SN - 1687 - 5265你2016/3891253 / 10.1155——https://doi.org/10.1155/2016/3891253——摩根富林明-计算神经科学情报和PB Hindawi出版公司KW - ER