NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Yürüyüş özelliklerinin arka plan analizi, Parkinson hastalığı da dahil olmak üzere nörolojik bozuklukların tedavisi sırasında önemli bilgiler sağlar. İlaç ve rehabilitasyonun etkilerini gözlemlemek için de kullanılır. Bu makalede sunulan metodoloji, üç boyutlu uzayda hareketleri izlemek için Microsoft (MS) Kinect görüntü ve derinlik sensörleri tarafından seçilen yürüyüş niteliklerinin tespit edilmesini sağlar.MetodlarKağıdın deneysel kısmı, üç grup bireyin çalışmasına ayrılmıştır: Parkinson hastalığı olan 18 hasta, 18 sağlıklı yaşlı uyumlu birey ve 15 öğrenci. Kağıdın metodolojik kısmı, brüt veri toplama hatalarını reddetmek, video çerçevelerini bölümlere ayırmak ve yürüyüş özelliklerini çıkarmak için dijital sinyal işleme yöntemlerinin kullanılmasını içerir. Önerilen algoritma, MS Kinect verilerini kullanarak verilen setlerdeki bireylerin bacak uzunluğunu, normalleştirilmiş ortalama adım uzunluğunu (SL) ve yürüyüş hızını (GV) tahmin etme yöntemlerini açıklar.SonuçlarBu çalışmanın temel amacı, hem klinik hem de günlük ortamlarda seçilen yürüyüş bozukluklarının tanınmasını içerir. Elde edilen sonuçlar, incelenen 51 bireyin tam setinde 0.004 m ortalama fark ve Parkinson hastalığı olan hastaların yürüyüş özelliklerinin (SL: 0.38 m, GV: 0.61 m/s) ve yaşa uygun bir referans setinin (SL: 0.54 m, GV: 0.81 m/s) değerlendirilmesini içerir. Nöral ağların kullanımı için izin verilen her iki özelliğin birleştirilmesi, seçiciliği, özgüllüğü ve doğruluğu sınıflandırmak ve değerlendirmek. Elde edilen doğruluk, MS Kinect görüntü ve derinlik sensörlerinin bu uygulamalar için potansiyel kullanımını düşündüren% 97,2 idi.ConclusionsDiscussion noktaları, MS Kinect sensörlerini karmaşık çoklu kamera sistemleri için ucuz yedekler olarak kullanma olasılığını ve seçilen yürüyüş bozukluklarının tanınması için yürüyüş özelliği tespitinde koşu bandı yürüme olanağını içerir.
Özgün kaynak özetini okuyun
BackgroundAnalysis of gait features provides important information during the treatment of neurological disorders, including Parkinson's disease. It is also used to observe the effects of medication and rehabilitation. The methodology presented in this paper enables the detection of selected gait attributes by Microsoft (MS) Kinect image and depth sensors to track movements in three-dimensional space.MethodsThe experimental part of the paper is devoted to the study of three sets of individuals: 18 patients with Parkinson's disease, 18 healthy aged-matched individuals, and 15 students. The methodological part of the paper includes the use of digital signal-processing methods for rejecting gross data-acquisition errors, segmenting video frames, and extracting gait features. The proposed algorithm describes methods for estimating the leg length, normalised average stride length (SL), and gait velocity (GV) of the individuals in the given sets using MS Kinect data.ResultsThe main objective of this work involves the recognition of selected gait disorders in both the clinical and everyday settings. The results obtained include an evaluation of leg lengths, with a mean difference of 0.004 m in the complete set of 51 individuals studied, and of the gait features of patients with Parkinson's disease (SL: 0.38 m, GV: 0.61 m/s) and an age-matched reference set (SL: 0.54 m, GV: 0.81 m/s). Combining both features allowed for the use of neural networks to classify and evaluate the selectivity, specificity, and accuracy. The achieved accuracy was 97.2 %, which suggests the potential use of MS Kinect image and depth sensors for these applications.ConclusionsDiscussion points include the possibility of using the MS Kinect sensors as inexpensive replacements for complex multi-camera systems and treadmill walking in gait-feature detection for the recognition of selected gait disorders.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.