?
Human Locomotion Monitoring in Space Flight: Retrospective Nonparametric Changepoint Detection Methods
Данная работа посвящена анализу медико-биологических данных, полученных в ходе локомоторных тестов космонавтов. Точная интерпретация данных играет решающую роль в мониторинге системы передвижения, профилактике негативных последствий длительного космического полета и, следовательно, в разработке автономной системы медицинского обеспечения для экспедиций в дальний космос. Во время локомоторных тестов космонавт меняет режимы движения в соответствии с предписанным протоколом тренировки, бегая на беговой дорожке, при этом одновременно собираются такие данные, как скорость, давление опоры, частота сердечных сокращений и т. д. Космонавт может следовать либо индивидуальному протоколу, разработанному специалистами, либо выполнять свой личный протокол каждые четыре дня микроцикла. Наша задача — идентифицировать неизвестные режимы движения с помощью апостериорной сегментации временных рядов и, в частности, при наличии различных переходных процессов, а также периодов потери сигнала. Наличие сложных профилей не позволяет выдвигать предварительные гипотезы о характере распределения изучаемого набора данных. Статья состоит из двух частей. Во-первых, в работе представлен подробный обзор нескольких современных ретроспективных (офлайн) непараметрических методов обнаружения множественных точек изменения в многомерных временных рядах. Точка изменения означает резкое изменение вероятностных свойств наблюдаемого ряда, происходящее в неизвестный момент времени. При описании алгоритмов особое внимание уделяется статистике как мере однородности данных, численным методам решения задач оптимизации и методам выбора модели. Во-вторых, с помощью упомянутых алгоритмов были обработаны реальные профили скорости, полученные в результате локомоторных испытаний. Валидация была проведена на трех характерных экспериментальных выборках данных, что позволило оценить перспективы применения описанных методов ко всему набору данных.