步态异常患者数量、临床检查数据（均值±标准差）及各聚类检查中不同GMFCS分级患者数量

资源简介

步态异常患者数量、临床检查数据（均值±标准差）及各聚类检查中不同GMFCS分级患者数量

Data_Sheet_1_Evaluation of Three Machine Learning Algorithms for the Automatic Classification of EMG Patterns in Gait Disorders.PDF

该数据集来自frontiersin.figshare.com，包含一份PDF文件，涉及步态异常患者的临床检查数据（均值±标准差）、各聚类检查中不同GMFCS分级患者数量，以及健康受试者与不同步态异常患者的EMG步态模式。数据可用于利用机器学习技术区分健康受试者与不同神经系统疾病所致步态异常患者的EMG模式，支撑步态障碍的自动分类研究（来源 figshare，CC BY 4.0 许可）。

【数据集背景】

配套论文《Gait Disorders》发表于 The American Journal of Medicine（2018），DOI：10.1016/j.amjmed.2017.11.051。源站首次发布：2021-05-21。

【数据内容】

源站描述（机器翻译，仅供参考）：步态障碍在神经退行性疾病中很常见，即使对经验丰富的临床医生而言，区分与不同病理实体相关的看似相似的运动学模式也是一项挑战。最终，肌肉活动是运动学模式生成的基础。因此，解决该问题的一种可能方法是通过分析肌肉激活模式的内在特征来区分步态障碍。在此，我们研究了是否可以利用机器学习技术区分健康受试者和不同步态障碍患者的肌电图（EMG）步态模式。十九名健康志愿者（9名男性，10名女性，年龄28.2 ± 6.2岁）和18名因不同神经系统疾病导致步态障碍的患者（10名男性，8名女性，年龄66.2 ± 14.7岁）以舒适的速度在走廊行走10次，同时

【数据结构与技术规格】

文件数 1 个，合计 455.57 KB。数据集 DOI：10.3389/fneur.2021.666458.s001。

【主题与分类】

源站学科分类：Neurology and Neuromuscular Diseases、Neurogenetics。主题标签：machine learning、gait disorder classification、convolutional neural network、support vector machine、k nearest neighbor。本站分类：神经系统疾病/步态异常。

【适用方向】

源站学科分类标注为 Neurology and Neuromuscular Diseases、Neurogenetics。

【获取与许可】

源站页面：https://frontiersin.figshare.com/articles/dataset/Data_Sheet_1_Evaluation_of_Three_Machine_Learning_Algorithms_for_the_Automatic_Classification_of_EMG_Patterns_in_Gait_Disorders_PDF/14634645

使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。

规范引用：Fricke, Christopher; Alizadeh, Jalal; Zakhary, Nahrin; Woost, Timo B.; Bogdan, Martin; Classen, Joseph (2021). Data_Sheet_1_Evaluation of Three Machine Learning Algorithms for the Automatic Classification of EMG Patterns in Gait Disorders.PDF. Frontiers. Dataset

【使用注意】

· 源站最后修改于 2023-06-11，引用时请注意版本时效。