Using machine learning to identify relevant features for the diagnosis of chronic back pain

• S. Vickery,
• F. Junker,
• R. Döding,
• D. Belavy,
• M. Angelova,
• C. Karmakar,
• L.A. Becker,
• N. Taheri,
• M. Pumberger,
• S. Reitmaier,
• H. Schmidt

Affiliations

S. Vickery

Hochschule für Gesundheit, Department für Angewandte Gesundheitswissenschaften, Bochum, Deutschland

F. Junker

Hochschule für Gesundheit, Department für Angewandte Gesundheitswissenschaften, Bochum, Deutschland

R. Döding

Hochschule für Gesundheit, Department für Angewandte Gesundheitswissenschaften, Bochum, Deutschland

D. Belavy

Hochschule für Gesundheit, Department für Angewandte Gesundheitswissenschaften, Bochum, Deutschland

M. Angelova

Aston University, Aston Digital Futures Institute, Birmingham, Vereinigtes Königreich

C. Karmakar

Deakin University, School of Information Technology, Melbourne, Australien

L.A. Becker

Charité – Universitätsmedizin Berlin, Centrum für Muskuloskeletale Chirurgie, Berlin, Deutschland; Charité – Universitätsmedizin Berlin, Julius Wolff Institut, Berlin Institute of Health, Berlin, Deutschland

N. Taheri

Charité – Universitätsmedizin Berlin, Centrum für Muskuloskeletale Chirurgie, Berlin, Deutschland; Charité – Universitätsmedizin Berlin, Julius Wolff Institut, Berlin Institute of Health, Berlin, Deutschland

M. Pumberger

Charité – Universitätsmedizin Berlin, Centrum für Muskuloskeletale Chirurgie, Berlin, Deutschland

S. Reitmaier

Charité – Universitätsmedizin Berlin, Julius Wolff Institut, Berlin Institute of Health, Berlin, Deutschland

H. Schmidt

Charité – Universitätsmedizin Berlin, Julius Wolff Institut, Berlin Institute of Health, Berlin, Deutschland