Automatic Classification of Barefoot and Shod Populations Based on the Foot Metrics and Plantar Pressure Patterns
Automatic Classification of Barefoot and Shod Populations Based on the Foot Metrics and Plantar Pressure Patterns.
Frontiers Bioeng Biotechnology 10:843204.
https://gyazo.com/70084c0db495b1e88094c95bb46cdbc1https://gyazo.com/a717dfa828d4d1bf2b9f7db9c9f9ed0f
Abstract
The human being's locomotion under the barefoot condition enables normal foot function and lower limb biomechanical performance from a biological evolution perspective. No study has demonstrated the specific differences between habitually barefoot and shod cohorts based on foot morphology and dynamic plantar pressure during walking and running. The present study aimed to assess and classify foot metrics and dynamic plantar pressure patterns of barefoot and shod people via machine learning algorithms. One hundred and forty-six age-matched barefoot (n = 78) and shod (n = 68) participants were recruited for this study. Gaussian Naïve Bayes were selected to identify foot morphology differences between unshod and shod cohorts. The support vector machine (SVM) classifiers based on the principal component analysis (PCA) feature extraction and recursive feature elimination (RFE) feature selection methods were utilized to separate and classify the barefoot and shod populations via walking and running plantar pressure parameters. Peak pressure in the M1-M5 regions during running was significantly higher for the shod participants, increasing 34.8, 37.3, 29.2, 31.7, and 40.1%, respectively. The test accuracy of the Gaussian Naïve Bayes model achieved an accuracy of 93%. The mean 10-fold cross-validation scores were 0.98 and 0.96 for the RFE- and PCA-based SVM models, and both feature extract-based and feature select-based SVM models achieved an accuracy of 95%. The foot shape, especially the forefoot region, was shown to be a valuable classifier of shod and unshod groups. Dynamic pressure patterns during running contribute most to the identification of the two cohorts, especially the forefoot region. ヒトの裸足状態での運動は、生物進化の観点から、正常な足部機能と下肢のバイオメカニクス的性能を可能にしている。これまで、歩行時や走行時の足部形態や足底圧に基づく、習慣的な裸足と靴集団の具体的な差異を明らかにした研究はない。本研究では、機械学習アルゴリズムにより、裸足者と靴者の足部指標と動的足底圧パターンを評価・分類することを目的とした。本研究では，年齢をマッチさせた裸足者（n=78）および靴を履いた者（n=68）146名を募集した．素足と義足のコホート間の足の形態の違いを識別するために、ガウス型ナイーブベイズが選択された。主成分分析（PCA）特徴抽出法と再帰的特徴除去法（RFE）特徴選択法に基づくサポートベクターマシン（SVM）分類器を用いて、歩行と走行の足底圧パラメータによって裸足と靴の集団を分離・分類した。ランニング時のM1-M5領域のピーク圧は、靴を履いた参加者で有意に高く、それぞれ34.8、37.3、29.2、31.7、40.1%増加した。ガウス型ナイーブベイズモデルのテスト精度は93%を達成した。また，10 回クロスバリデーションの平均値は RFE ベースと PCA ベースの SVM モデルでそれぞれ 0.98 と 0.96 であり，特徴抽出ベースと特徴選択ベースの SVM モデルともに 95% の精度を達成した．足部形状、特に前足部は、靴を履いているグループと履いていないグループの貴重な分類因子であることが示された。ランニング中の動的な圧力パターンは、2つのコホートの識別、特に前足部の識別に最も寄与する。