Application of Kohonen maps to kinetic analysis of human gait

Abstract

In recent years the use of artificial neural networks for classification and analysis of kinematic and kinetic characteristics of human locomotion has greatly increased. This happens in an attempt to overcome the limitations of traditional dynamic analysis and to find new clinical indicators for interpreting quick and objectively the large amount of information obtained in a gait lab. One of the most widely used neural networks for human gait analysis is the self-organizing or Kohonen map, based on unsupervised learning without prior definition of the formed natural groups. Among the advantages of using this type of neural network is the data dimensionality reduction, with minimal loss of information content, and the grouping of them in function of their similarities. Taking into account this, in this work an application case of a Kohonen map for clustering of locomotion kinetic characteristics in normal and Parkinson's disease individuals is presented. The results indicate that the groups identified by the map are consistent with the classification carried out by experts in function of traditional gait dynamic analysis, showing the potential of this technique for distinguishing between a population of individuals with normal gait and with gait disorders of different etiology.

Nos últimos anos, tem aumentado significativamente o uso de redes neurais artificiais para a classificação e análise cinemática e cinética da marcha humana, em uma tentativa de superar as limitações da análise dinâmica tradicional e de encontrar novos indicadores clínicos para interpretar, de forma rápida e objetiva, a grande quantidade de informação obtida em laboratórios de marcha humana. Uma das redes neurais mais utilizadas para análise de marcha é o mapa de Kohonen ou mapa auto-organizado, baseado em aprendizado não supervisionado, sem uma definição prévia de grupos naturais que se formam. O uso deste tipo de rede neural tem mostrado benefícios significativos associados com a redução da dimensionalidade dos dados com mínima perda de conteúdo de informação e com o agrupamento de dados de acordo com suas semelhanças. Neste contexto, este trabalho apresenta um caso de aplicação de um mapa de Kohonen como classificador das características cinéticas da locomoção em indivíduos normais e com doença de Parkinson. Os resultados indicam que os grupos identificados no mapa são consistentes com a classificação feita por especialistas com base em análise dinâmica tradicional, que mostra o potencial desta técnica para diferenciar populações de indivíduos com marcha normal e de indivíduos com distúrbios da marcha de etiologia diferente.