Home / medicina / Previsione della lesione del legamento crociato anteriore usando il ML machine learning

Previsione della lesione del legamento crociato anteriore usando il ML machine learning

I ricercatori utilizzano processori quantistici superconduttori per sfidare le convinzioni ampiamente condivise nella fisica quantistica
Il dominio Healthcare ha visto un uso più ampio di modelli di classificazione per prevedere se l’individuo avrebbe malattie cardiache (sì o no), diabete (diabetico o non diabetico) o tumore (benigno o maligno). C’è stata una domanda che sorgeva molto se potessimo prevedere qualsiasi tipo di lesione o meno attraverso qualsiasi tipo di modello di apprendimento automatico .

Quanto fa male uno spettatore guardare il suo giocatore preferito uscire dall’incontro a causa di un infortunio?

L’ACL è una fascia di tessuto connettivo spesso che scorre dalla tibia al femore. Poiché resiste alla traslazione tibiale anteriore e ai carichi rotazionali, è considerata una struttura cruciale nell’articolazione del ginocchio. La prevalenza di un legamento crociato anteriore è significativamente alta sia negli sport da contatto che in quelli senza contatto. Più comunemente, si verificano in coloro che praticano sport che comportano rotazione, salto e decelerazione (ad es. Calcio, basket, pallamano e atletica). Possono manifestarsi in modi diversi da lievi (come piccole lacrime) a gravi (quando il legamento è completamente strappato).

Quando mai così c’è l’incidenza del rapporto di infortunio; c’è un ampio impatto nella squadra se si tratta di uno sport di squadra o individuale in caso di segnalazioni individuali. Prendiamo in considerazione i fattori economici associati a molti tipi di lesioni, ma per quanto riguarda l’impatto psicologico; impatto in una squadra a causa dell’assenza di un giocatore chiave a causa di un infortunio che potrebbe poi costare la partita e d’ora in poi medaglia o vincere la coppa.

Come prevedere un infortunio al LCA?
Come indicato sopra, la lesione del legamento crociato anteriore si verifica durante la rotazione, il salto e la decelerazione. Ogni volta che c’è un carico elevato nella lesione al ginocchio, ci sarebbe una probabilità di lesione del legamento crociato anteriore. Perciò; potremmo costruire un modello che potrebbe fornire una risposta binaria indipendentemente dal fatto che vi sia un elevato carico del ginocchio o meno. Se c’è un carico elevato al ginocchio, ci sono possibilità di subire lesioni ACL in quel singolo atleta.

Nella ricerca, è stato dimostrato che se c’è un elevato carico del ginocchio potrebbe portare a una maggiore traslazione e causare lesioni.

Selezione delle caratteristiche

La selezione di una caratteristica deve essere il passaggio più vitale durante la costruzione del modello per prevedere la lesione del LCA poiché diversi fattori possono spiegarla. Una breve panoramica delle caratteristiche (fattori o parametri):

Sesso: le femmine sono tre volte più inclini ad avere una lesione del LCA rispetto ai maschi a causa delle dimensioni più piccole e delle diverse forme della tacca intercondiloidea, della variazione biomeccanica (angolo Q e bacino più largo) e della maggiore lassità dei legamenti dovuta all’influenza degli ormoni.
Ginocchio valgo e angolo di flessione: l’infortunio standard del LCA si verifica con il ginocchio ruotato esternamente e si piega a 10-30 ° quando il ginocchio viene messo in una posizione in valgo quando l’atleta si stacca dal piede piantato e ruota internamente per cambiare bruscamente direzione. Deve essere verificato durante il drop jump con le implicazioni di Video Analytics.
Forza muscolare: un dinamometro isocinetico e un’analisi elettromiografica del quadricipite (muscoli della coscia anteriore), dei muscoli posteriori della coscia (muscolo della coscia posteriore) e del gastrocnemio (muscoli della schiena sotto il ginocchio) fornirebbero una misura oggettiva della forza. Nel dinamometro isocinetico la forza deve essere controllata nella fase concentrica (un tipo di lavoro muscolare) a una velocità angolare di 300 gradi al secondo. Un elettrodo di superficie deve essere posizionato nel punto motore del gastrocnemio mentre si esegue il lavoro concentrico ed eccentrico del muscolo. L’analisi EMG deve essere eseguita durante il salto in caduta.
Devono essere presi in considerazione anche i parametri antropometrici come la lunghezza e il peso tibiale.

Ci sono pochi altri parametri come la lassità del ginocchio durante il test di Lachman (test speciale ortopedico) utilizzando il lassometro del ginocchio, l’angolo Q, l’interfaccia della superficie della scarpa e il tipo di sport potrebbero anche essere presi in considerazione.

Verrà costruito un modello di classificazione come Logistic Regression , Naïve Bayes, Support Vector Machine, Decision Tree, Random Forrest, Stochastic Gradient Descent e K- Nearest Neighbors per prevedere i dati dell’etichetta come carico ginocchio alto e basso (una classificazione binaria). È anche possibile creare un CV di ricerca su griglia per eseguire l’ ottimizzazione degli iperparametri e ottenere una migliore precisione, sensibilità e specificità.

Valutazione del modello
Durante la valutazione di un modello , dobbiamo prendere in considerazione la sensibilità (tasso di veri positivi) e la specificità (tassi di veri negativi) attraverso la matrice di confusione e il rapporto di classificazione, dobbiamo considerare un modello che ha un punteggio di sensibilità alto (un test con sensibilità del 100% riconoscerà tutti gli atleti con il carico del ginocchio alto risultando positivi).

L’importanza di costruire un modello di previsione ACL aiuterà il team e l’individuo a prevedere la lesione ACL. Se trovassimo il risultato come un carico elevato al ginocchio, allora potremmo raccomandare al particolare atleta di andare per un allenamento di forza e condizionamento, d’ora in poi, aiuterebbe anche economicamente e mentalmente.

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi