Категории
Сменить пароль!
Сброс пароля!
Нейронные сети, оптимизированные методом роя частиц (PSO), достигают точности до 100% в прогнозировании риска костно-мышечных болей, выявляя ключевые детерминанты, такие как возраст, ИМТ, физическая активность и профессиональные факторы, для целенаправленной профилактики.
Костно-мышечные боли являются распространенной проблемой здравоохранения во всем мире. Они не только влияют на физическое благополучие людей, но и снижает продуктивность и качество жизни. В настоящее время ученые обращаются к искусственному интеллекту (ИИ) и методам оптимизации, чтобы лучше понять риск возникновения боли и разработать превентивные стратегии. Целью данного исследования было создание и тестирование новой структуры, объединяющей оптимизацию методом роя частиц (PSO) с нейронными сетями для оценки риска возникновения костно-мышечной боли.
Путем анализа демографических, профессиональных, физических данных и данных об образе жизни ставилась цель выявить скрытые паттерны риска и определить ключевые предикторы боли. Исследователи использовали набор данных 350 участников, который содержал комплексную информацию о болевых ощущениях в различных областях тела. Полученные данные были предварительно обработаны для устранения отсутствующих значений, нормализации признаков и балансировки распределения классов с использованием метода синтетической передискретизации меньшинства (SMOTE). Затем была разработана прямая нейронная сеть с одним скрытым слоем, в которой для оптимизации весов и смещений сети применялся метод PSO.
Точность и надежность модели проверялись с помощью стандартных показателей, таких как точность, полнота, оценка F1 и AUC-ROC. Нейронная сеть на базе PSO продемонстрировала выдающиеся характеристики: точность составила от 95,8% до 100%. Важно отметить, что модель определила мощные предикторы риска возникновения костно-мышечной боли, включая возраст, индекс массы тела (ИМТ), частоту физических упражнений и профессиональные требования. По сравнению с традиционными подходами эта усовершенствованная система продемонстрировала превосходную способность обнаруживать закономерности риска и вырабатывать полезные идеи.
Данное исследование демонстрирует потенциал оптимизированных моделей искусственного интеллекта в оценке рисков костно-мышечной боли. Благодаря точному прогнозированию риска возникновения боли и выявлению способствующих факторов данная система прокладывает путь для персонализированных вмешательств и превентивных стратегий здравоохранения. Такие подходы могут помочь смягчить глобальное бремя костно-мышечных болей и повысить общее качество жизни.
Scientific Reports
Classification of musculoskeletal pain using machine learning
Dalia Mohamed Fouad и соавт.
Комментарии (0)