[논문 리뷰] Classification of head impacts based on the spectral density of measurable kinematics.

Xianghao Zhan, Yiheng Li외 12명|arXiv (Cornell University)|2021. 04. 19.

Automotive and Human Injury Biomechanics참고 문헌 40인용 수 5

한 줄 요약

이 연구는 다양한 원천—실험실 재현, 라인스, MМА, 자동차 사고—에서 두근거림 유형을 정확하게 분류하기 위해 선형 가속도와 각속도의 스펙트럴 밀도를 사용한 랜덤 포레스트 분류기를 개발한다. 이는 중앙값 정확도 96%를 달성한다. 모델은 각 충격 유형 간에 고유한 스펙트럴 패턴을 식별하며, 뇌 변형 예측을 유형별로 향상시켜 뇌 손상의 위험 추정을 개선한다.

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

연구 동기 및 목표

• 운동역학적 스펙트럴 특징을 기반으로 충격 유형을 분류하여 뇌 손상 위험 추정의 정확도를 향상시키기 위해.
• 라인스, MМА, 자동차 사고 등 다양한 충격 유형 간 선형 가속도와 각속도의 구분 가능한 스펙트럴 패턴을 식별하기 위해.
• 기구화된 입가름 보호대를 포함한 다양한 측정 장치에 일반화되는 강력한 분류기를 개발하기 위해.
• 최대 주변형률 및 누적 변형 손상과 같은 주요 TBI 지표에 대해 유형별로 정밀한 회귀 모델을 구축하기 위해.
• 충격 시뮬레이션 시스템 평가 및 현장 데이터 증강을 위해 충격 유형 분류를 지원하기 위해.

제안 방법

• 3,262건의 두근거림 충격에 대해 선형 가속도 및 각속도 신호에 스펙트럴 밀도 분석을 적용하였다.
• 학습 및 테스트 분할 1,000회를 무작위로 설정하여, 스펙트럴 특징을 기반으로 랜덤 포레스트 분류기를 훈련시켰다.
• 다섯 종류의 기구화된 입가름 보호대에서 얻은 추가 271건의 실험실 재현 충격에 대해 분류기의 장치 간 일반화 능력을 평가하기 위해 테스트를 수행하였다.
• 특징 중요도 분석을 통해 스펙트럴 밀도의 저주파 및 고주파 성분이 분류에 핵심적인 역할을 한다고 확인하였다.
• 분류된 충격 유형을 입력으로 사용하여 95번째 백분위수 최대 주변형률, 대뇌백색질 변형률, 누적 변형 손상에 대한 최근접 이웃 회귀 모델을 구축하였다.
• 예측 정확도 향상을 평가하기 위해 기준 모델 대비 R² 비교를 통해 모델 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 운동역학적 스펙트럴 특징가 다양한 스포츠 및 충격 시나리오에서 충격 유형을 신뢰성 있게 분류할 수 있는가?
• RQ2 라인스, MMA, 자동차 사고 등 다양한 충격 유형 간 선형 가속도 및 각속도의 스펙트럴 특징는 어떻게 다를까?
• RQ3 기구화된 입가름 보호대와 같은 다양한 측정 장치 간에 스펙트럴 기반 분류기가 얼마나 일반화되는가?
• RQ4 충격 유형별로 특화된 회귀 모델이 최대 주변형률 및 누적 변형 손상과 같은 주요 TBI 지표의 예측 정확도를 향상시킬 수 있는가?
• RQ5 분류기는 충격 시뮬레이션 시스템 평가 및 현장 데이터 증강에 어떻게 기여하는가?

주요 결과

• 랜덤 포레스트 분류기는 데이터셋의 1,000회 무작위 학습-테스트 분할에서 두근거림 유형 분류에 중앙값 정확도 96%를 달성하였다.
• 다섯 종류의 기구화된 입가름 보호대에서 얻은 추가 271건의 실험실 재현 충격에 대해 분류기가 96% 이상의 정확도를 유지하여 장치 간 일반화 능력이 뛰어나다는 것을 입증하였다.
• 선형 가속도 및 각속도의 저주파 및 고주파 스펙트럴 성분이 분류에 가장 중요한 특징으로 규명되었다.
• MMA 충격은 다른 충격 유형과 비교해 고주파 영역에서 더 높은 스펙트럴 밀도를 보이며, 이를 통해 유형 간 차별화가 가능했다.
• 95번째 백분위수 최대 주변형률, 대뇌백색질 변형률, 누적 변형 손상에 대한 유형별 특화된 회귀 모델은 기준 모델 대비 더 높은 R² 값을 기록하였다.
• 분류기는 충격 운동역학에 대한 이해를 향상시키며, 시뮬레이션 시스템 및 실제 충격 연구에서의 데이터 증강에 대한 개선된 검증을 지원한다.