کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5032271 1369980 2016 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Gait biomechanics in the era of data science
ترجمه فارسی عنوان
بیومکانیک پیروی در دوران علم داده
کلمات کلیدی
بیومکانیک، راه رفتن، علم اطلاعات، فراگیری ماشین،
ترجمه چکیده
علوم داده ها زمینه هایی نظیر بینش کامپیوتری و اقتصاد را تغییر داده است. توانایی روش های داده های علمی مدرن برای استخراج بینش از مجموعه های بزرگ، پیچیده، ناهمگن و پر سر و صدا شروع به ارائه یک مکمل قدرتمند به روش های سنتی از ضبط حرکت های تجربی و مدل سازی بیومکانیک. هدف از این مقاله ارائه یک دیدگاه در مورد چگونگی استفاده از روش های علوم داده در زمینه ما می تواند به پیشرفت درک ما از بیومکانیک راه رفتن و بهبود روش های برنامه ریزی درمان. ما مثال هایی از نحوه رویکرد علمی داده ها به داده های بیومکانیک ارائه می دهیم. سپس ما چالش هایی را که به طور موثر با استفاده از روش های داده های علمی در تجزیه و تحلیل راه رفتن بالینی و تحقیقات بیومکانیک راه رفتن مواجه می شوند، از جمله نیاز به ابزارهای جدید، زیرساخت های بهتر و انگیزه های به اشتراک گذاشتن داده ها و آموزش در رشته های بیومکانیک و علوم داده، مورد بحث قرار می دهیم. با در نظر گرفتن این چالش ها، ما می توانیم با برنامه ریزی درمان و تحقیقات بیومکانیک، با سرمایه گذاری بر ثروت دانش دست یافته شده توسط محققان گرسنگی در دهه های گذشته و داده های وسیع، اما اغلب پیچیده که در آزمایشگاه های بالینی و تحقیقاتی در سراسر جهان جمع آوری می شود، انقلابی می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی پزشکی
چکیده انگلیسی
Data science has transformed fields such as computer vision and economics. The ability of modern data science methods to extract insights from large, complex, heterogeneous, and noisy datasets is beginning to provide a powerful complement to the traditional approaches of experimental motion capture and biomechanical modeling. The purpose of this article is to provide a perspective on how data science methods can be incorporated into our field to advance our understanding of gait biomechanics and improve treatment planning procedures. We provide examples of how data science approaches have been applied to biomechanical data. We then discuss the challenges that remain for effectively using data science approaches in clinical gait analysis and gait biomechanics research, including the need for new tools, better infrastructure and incentives for sharing data, and education across the disciplines of biomechanics and data science. By addressing these challenges, we can revolutionize treatment planning and biomechanics research by capitalizing on the wealth of knowledge gained by gait researchers over the past decades and the vast, but often siloed, data that are collected in clinical and research laboratories around the world.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Biomechanics - Volume 49, Issue 16, 8 December 2016, Pages 3759-3761
نویسندگان
, , , ,