Machine Learning-Based Classifier of Gait Profiles of Individuals with Cerebral Palsy treated in the ORITEL Network.
Loading...
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Concepción
Abstract
This thesis aimed to develop a gait pattern classifier for individuals with cerebral palsy (CP), using data collected from multiple motion analysis laboratories within the Organización Internacional de Teletones (ORITEL) network. To achieve this, the multicenter database Movement Analysis Network was created and standardized, comprising 156 studies from 8 laboratories, ensuring consistency and comparability across different motion capture systems.
Eight machine learning models were evaluated, considering class balancing strategies. The mul tilayer perceptron (MLP) with class weighting achieved the best performance, reaching an accuracy of 82% and Fl-scores of 0.81 for diparesis, 0.63 for hemiparesis, and 0.98 for the control group. Externa] validation on 63 additional trials confirmed the model's generalization capability, although performance for hemiparesis remained lower due to class imbalance.
Feature importance analysis and statistical tests (Median, Mann-Whitney U, Cliff's delta, and Bonferroni correction), showed that spatiotemporal parameters such as double support, swing phase, and stance phase, together with specific kinematic features such as minimum angle knee flexion/extesion (acLKFE), were key discriminators between hemiparesis and diparesis. These findings aligned with clinical literature and reinforced the interpretability of the model.
An exploratory analysis of treatment associations was also conducted. For hemiparesis, the most frequent treatments were orthoses, orthopedic surgery, and physical therapy, while for diparesis the most common were botulinum toxin, orthopedic surgery, and physical therapy. Although Jimited by incomplete treatment information, this analysis provided preliminary insights and a basis for future studies on treatment effectiveness.
In conclusion, this research successfully achieved its objectives: building a standardized multi center database, developing a robust gait classifier, identifying clinically relevant features, and explor ing preliminary associations with treatments. The database Movement Analysis Network represents a substantial contribution to multicenter gait research and has the potential to become a key too! for supporting clinical decision-making in the management of cerebral palsy.
Esta tesis tuvo como propósito desarrollar un clasificador de patrones de marcha en individuos con parálisis cerebral (PC), utilizando datos obtenidos de distintos laboratorios de análisis de movimiento pertenecientes a la red Organización Internacional de Teletones (ORITEL). Para ello, se creó y es tandarizó la base de datos multicéntrica Movement Analysis Network, que reunió 156 estudios prove nientes de 8 centros, asegurando la comparabilidad y homogeneidad de la información entre diferentes sistemas de captura de movimiento. Se evaluaron ocho modelos de aprendizaje automático, considerando estrategias de balanceo de clases. El perceptrón multicapa (MLP) con ponderación de clases alcanzó el mejor desempeño, con una exactitud del 82% y Fl-scores de 0.81 para di paresia, 0.63 para hemiparesia y 0.98 para sujetos sin patología. La validación externa en 63 ensayos adicionales confirmó la capacidad de generalización del modelo, aunque se observó un menor rendimiento en hemiparesia debido al desbalance de la base de datos. El análisis de importancia de variables y pruebas estadísticas (Media, Mann-Whitney U, delta de Cliff y corrección de Bonferroni), mostró que parámetros espaciotemporales como doble apoyo, fase de oscilación y fase de apoyo, junto con variables cinemáticas específicas como el mínimo del ángulo de flexión/extensión de la rodilla (acLKFE), fueron determinantes para diferenciar hemiparesia de diparesia. Estos resultados coincidieron con la literatura y reforzaron la interpretabilidad clínica del clasificador. Asimismo, se realizó un análisis exploratorio de la asociación entre patrones de marcha y tratamien tos. En hemiparesia, los tratamientos más frecuentes fueron órtesis, cirugía ortopédica y fisioter apia, mientras que en diparesia destacaron la toxina botulínica, la cirugía ortopédica y la fisioterapia. Aunque esta parte del estudio se vio limitada por la falta de información completa, permitió delinear tendencias iniciales y sentar bases para futuros estudios sobre la efectividad terapéutica. En conclusión, esta investigación cumplió con los objetivos planteados: construir una base de datos estandarizada, desarrollar un clasificador robusto de patrones de marcha, identificar variables clínicas relevantes y explorar asociaciones preliminares con tratamientos. La base de datos Movement Analysis Network constituye un aporte sustancial a la investigación multicéntrica y tiene el potencial de convertirse en una herramienta clave para apoyar la toma de decisiones clínicas en el manejo de la parálisis cerebral.
Esta tesis tuvo como propósito desarrollar un clasificador de patrones de marcha en individuos con parálisis cerebral (PC), utilizando datos obtenidos de distintos laboratorios de análisis de movimiento pertenecientes a la red Organización Internacional de Teletones (ORITEL). Para ello, se creó y es tandarizó la base de datos multicéntrica Movement Analysis Network, que reunió 156 estudios prove nientes de 8 centros, asegurando la comparabilidad y homogeneidad de la información entre diferentes sistemas de captura de movimiento. Se evaluaron ocho modelos de aprendizaje automático, considerando estrategias de balanceo de clases. El perceptrón multicapa (MLP) con ponderación de clases alcanzó el mejor desempeño, con una exactitud del 82% y Fl-scores de 0.81 para di paresia, 0.63 para hemiparesia y 0.98 para sujetos sin patología. La validación externa en 63 ensayos adicionales confirmó la capacidad de generalización del modelo, aunque se observó un menor rendimiento en hemiparesia debido al desbalance de la base de datos. El análisis de importancia de variables y pruebas estadísticas (Media, Mann-Whitney U, delta de Cliff y corrección de Bonferroni), mostró que parámetros espaciotemporales como doble apoyo, fase de oscilación y fase de apoyo, junto con variables cinemáticas específicas como el mínimo del ángulo de flexión/extensión de la rodilla (acLKFE), fueron determinantes para diferenciar hemiparesia de diparesia. Estos resultados coincidieron con la literatura y reforzaron la interpretabilidad clínica del clasificador. Asimismo, se realizó un análisis exploratorio de la asociación entre patrones de marcha y tratamien tos. En hemiparesia, los tratamientos más frecuentes fueron órtesis, cirugía ortopédica y fisioter apia, mientras que en diparesia destacaron la toxina botulínica, la cirugía ortopédica y la fisioterapia. Aunque esta parte del estudio se vio limitada por la falta de información completa, permitió delinear tendencias iniciales y sentar bases para futuros estudios sobre la efectividad terapéutica. En conclusión, esta investigación cumplió con los objetivos planteados: construir una base de datos estandarizada, desarrollar un clasificador robusto de patrones de marcha, identificar variables clínicas relevantes y explorar asociaciones preliminares con tratamientos. La base de datos Movement Analysis Network constituye un aporte sustancial a la investigación multicéntrica y tiene el potencial de convertirse en una herramienta clave para apoyar la toma de decisiones clínicas en el manejo de la parálisis cerebral.
Description
Tesis presentada para optar al grado de Magíster en Ciencias de la Ingeniería con mención en Ingeniería Eléctrica.
Keywords
Machine learning, Movement disorders, Therapeutics