[論文レビュー] Classification of head impacts based on the spectral density of measurable kinematics.

Xianghao Zhan, Yiheng Li+12 more|arXiv (Cornell University)|Apr 19, 2021

Automotive and Human Injury Biomechanics参考文献 40被引用数 5

ひとこと要約

本研究では、線形加速度および角速度のスペクトル密度を用いたランダムフォレスト分類器を開発し、ラボ再現、フットボール、MMA、自動車衝突など多様な出典からの頭部衝撃の種別を正確に分類した。96%の中央値精度を達成した。モデルは衝撃種別ごとに特徴的なスペクトルパターンを特定し、脳への応力予測の向上を可能にし、脳震とうのリスク推定を強化する。

ABSTRACT

Traumatic brain injury can be caused by head impacts, but many brain injury risk estimation models are less accurate across the variety of impacts that patients may undergo. We investigated the spectral characteristics of different head impact types with kinematics classification. Data was analyzed from 3,262 head impacts from lab reconstruction, American football, mixed martial arts, and publicly available car crash data. A random forest classifier with spectral densities of linear acceleration and angular velocity was built to classify head impact types (e.g., football), reaching a median accuracy of 96% over 1,000 random partitions of training and test sets. To test the classifier on data from different measurement devices, another 271 lab-reconstructed impacts were obtained from 5 other instrumented mouthguards with the classifier reaching over 96% accuracy. The most important features in the classification included both low-frequency and high-frequency features, both linear acceleration features and angular velocity features. Different head impact types had different distributions of spectral densities in low-frequency and high-frequency ranges (e.g., the spectral densities of MMA impacts were higher in high-frequency range than in the low-frequency range). Finally, with the classifier, type-specific, nearest-neighbor regression models were built for 95th percentile maximum principal strain, 95th percentile maximum principal strain in corpus callosum, and cumulative strain damage (15th percentile). This showed a generally higher R2-value than baseline models. The classifier enables a better understanding of the impact kinematics in different sports, and it can be applied to evaluate the quality of impact-simulation systems and on-field data augmentation. Key words: traumatic brain injury, head impacts, classification, impact kinematics

研究の動機と目的

• 頭部衝撃の力学的スペクトル特徴に基づいて、脳震とう（TBI）リスク推定の精度を向上させること。
• フットボール、MMA、自動車衝突などの異なる衝撃種別における線形加速度および角速度の区別可能なスペクトルパターンを同定すること。
• インストルメンテッドマウスガードを含む異なる測定デバイスに一般化可能な堅牢な分類器を開発すること。
• 最大主応力および累積応力損傷といった主要なTBI指標の種別に特化した高精度な回帰モデルを構築すること。
• 衝撃シミュレーションシステムの評価および現地データ拡張の支援を、衝撃種別分類を用いて行うこと。

提案手法

• 3,262件の頭部衝撃（複数の出典より）の線形加速度および角速度信号に対してスペクトル密度分析を実施した。
• 分類器は、1,000回のランダムな訓練・テスト分割を用いたスペクトル特徴に基づくランダムフォレスト分類器を訓練した。
• 分類器は、5種類のインストルメンテッドマウスガードから得られた追加の271件のラボ再現衝撃に対してテストされ、デバイス間一般化性能が評価された。
• 特徴の重要度分析により、スペクトル密度の低周波および高周波成分が分類に特に重要であることが特定された。
• 分類された衝撃種別を入力として用い、95百分位数の最大主応力、内部膝状体応力、累積応力損傷のための最近傍者回帰モデルを構築した。
• モデルの性能は、ベースラインモデルとのR²比較を用いて評価され、予測精度の向上が確認された。

実験結果

リサーチクエスチョン

• RQ1 頭部衝撃の力学的スペクトル特徴は、多様なスポーツおよび衝突シナリオにおいて、衝撃種別の信頼性のある分類に適しているか？
• RQ2 フットボール、MMA、自動車衝突などの異なる衝撃種別における線形加速度および角速度のスペクトル特性はどのように異なるか？
• RQ3 インストルメンテッドマウスガードなどの異なる測定デバイス間で、スペクトルベース分類器がどの程度一般化できるか？
• RQ4 衝撃種別に特化した回帰モデルは、最大主応力や累積応力損傷といった主要なTBI指標の予測精度を向上させることができるか？
• RQ5 分類器は、衝撃シミュレーションシステムおよび現地データ拡張の評価をどのように向上させるか？

主な発見

• ランダムフォレスト分類器は、データセットの1,000回のランダムな訓練・テスト分割において、衝撃種別の中央値精度が96%に達した。
• 分類器は、5種類の異なるインストルメンテッドマウスガードから得られた追加の271件のラボ再現衝撃に対して96%を超える精度を維持し、優れたデバイス間一般化性能を示した。
• 線形加速度および角速度のスペクトル密度の低周波および高周波成分が、分類に最も重要な特徴であることが同定された。
• MMA衝撃は、他の衝撃種別と比較して、高周波範囲でのスペクトル密度が高かったため、特徴的に区別された。
• 95百分位数の最大主応力、内部膝状体応力、累積応力損傷のための種別に特化した回帰モデルは、ベースラインモデルよりも高いR²値を達成した。
• 分類器は、衝撃力学的挙動の理解を深め、シミュレーションシステムの検証および現実世界の衝撃研究におけるデータ拡張の向上を支援する。