Automatic diagnosis of lower back pain using gait patterns

Pandey, Chandrasen; Baghel, Neeraj; Kishore-Dutta, Malay; Travieso González, Carlos M.

Diagnóstico automático del dolor lumbar mediante patrones de marcha

dc.creator	Pandey, Chandrasen
dc.creator	Baghel, Neeraj
dc.creator	Kishore-Dutta, Malay
dc.creator	Travieso González, Carlos M.
dc.date	2022-11-16
dc.date.accessioned	2023-02-16T16:05:37Z
dc.date.available	2023-02-16T16:05:37Z
dc.identifier	https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/6459
dc.identifier	10.18845/tm.v35i8.6459
dc.identifier.uri	https://hdl.handle.net/2238/14152
dc.description	Back pain is a common pain that mostly affects people of all ages and results in different types of disorders such as Obesity, Slipped disc, Scoliosis, and Osteoporosis, etc. The diagnosis of back pain disorder is difficult due to the extent affected by the disorder and exact biomechanical factors. This work presents a machine learning method to diagnose these disorders using the Gait monitoring system. It involves support vector machines that classify between lower back pain and normal, on the bases of 3 Gait patterns that are integrated pressure, the direction of progression, and CISP-ML. The proposed method uses 13 different features such as mean and standard deviation, etc. recorded from 62 subjects (30 normal and 32 with lower back pain). The features alone resulted in higher leave-one-out classification accuracy (LOOCV) 92%. The proposed method can be used for automatically diagnosing the lower back pain and its gait effects on the person. This model can be ported to small computing devices for self-diagnosis of lower back pain in a remote area.	en-US
dc.description	El dolor de espalda es un dolor común que afecta principalmente a personas de todas las edades y da como resultado diferentes tipos de trastornos como obesidad, deslizamiento de disco, escoliosis y osteoporosis, etc. El diagnóstico del trastorno de dolor de espalda es difícil debido a la extensión del trastorno y factores biomecánicos exactos. Este trabajo presenta un método de aprendizaje automático para diagnosticar estos trastornos mediante el sistema de monitorización de la marcha. Se trata de máquinas de vectores de apoyo que clasifican entre lumbalgia y normal, sobre la base de 3 patrones de marcha que son la presión integrada, la dirección de progresión y CISP-ML. El método propuesto utiliza 13 características diferentes, como la desviación media y estándar, etc. registrado de 62 sujetos (30 normales y 32 con dolor lumbar). Las características por sí solas dieron como resultado una mayor precisión de clasificación de dejar uno fuera (LOOCV) del 92%. El método propuesto se puede utilizar para diagnosticar automáticamente el dolor lumbar y sus efectos sobre la marcha en la persona. Este modelo se puede transferir a pequeños dispositivos informáticos para el autodiagnóstico del dolor lumbar en un área remota.	es-ES
dc.format	application/pdf
dc.language	eng
dc.publisher	Editorial Tecnológica de Costa Rica (entidad editora)	es-ES
dc.relation	https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/6459/6281
dc.rights	https://creativecommons.org/licenses/by-nc-nd/4.0	es-ES
dc.source	Tecnología en marcha Journal; 2022: Vol. 35 special issue, October. International Work Conference on Bioinspired Intelligence ; Pág. 93-100	en-US
dc.source	Revista Tecnología en Marcha; 2022: Vol. 35 special issue, October. International Work Conference on Bioinspired Intelligence ; Pág. 93-100	es-ES
dc.source	2215-3241
dc.source	0379-3982
dc.subject	Gait Analysis	en-US
dc.subject	Back Pain	en-US
dc.subject	Support vector machine	en-US
dc.subject	Análisis de la marcha	es-ES
dc.subject	máquina de vectores de apoyo	es-ES
dc.subject	dolor de espalda	es-ES
dc.title	Automatic diagnosis of lower back pain using gait patterns	en-US
dc.title	Diagnóstico automático del dolor lumbar mediante patrones de marcha	es-ES
dc.type	info:eu-repo/semantics/article
dc.type	info:eu-repo/semantics/publishedVersion

Ficheros en el ítem

Ficheros	Tamaño	Formato	Ver
No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Tecnología en Marcha [2043]
Es una revista que se publica por trimestres

Mostrar el registro sencillo del ítem