Self-supervised learning of wrist-worn daily living accelerometer data improves the automated detection of gait in older adults

Abstract Progressive gait impairment is common among aging adults. Remote phenotyping of gait during daily living has the potential to quantify gait alterations and evaluate the effects of interventions that may prevent disability in the aging population. Here, we developed ElderNet, a self-supervis...

Mô tả đầy đủ

Chi tiết về thư mục

Những tác giả chính:	Yonatan E. Brand, Felix Kluge, Luca Palmerini, Anisoara Paraschiv-Ionescu, Clemens Becker, Andrea Cereatti, Walter Maetzler, Basil Sharrack, Beatrix Vereijken, Alison J. Yarnall, Lynn Rochester, Silvia Del Din, Arne Muller, Aron S. Buchman, Jeffrey M. Hausdorff, Or Perlman
Định dạng:	Artigo
Ngôn ngữ:	Inglês
Được phát hành:	Nature Portfolio 2024-09-01
Loạt:	Scientific Reports
Những chủ đề:	Gait Machine learning Older adults Self-supervised learning Accelerometer
Truy cập trực tuyến:	https://doi.org/10.1038/s41598-024-71491-3
Các nhãn:	Thêm thẻ Không có thẻ, Là người đầu tiên thẻ bản ghi này!