NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığının hareket düzenini etkileyen ve düşme riski ile de ilgili olan hastalarının çoğunda gözlenen en yaygın semptomlardan biri, genellikle "pürüzsüzleşme (FoG)" olarak adlandırılır. FoG'nin sistematik olarak değerlendirilmesine izin vermek için, yürüyüş parametrelerinin objektif nicelenmesi ve FoG'nin otomatik olarak tespit edilmesi gerekir. Bu, tedavinin kişiselleştirilmesine yardımcı olacaktır. Bu makalede, çalışmanın amaçları (1) giyilebilir ivmeölçerlerden toplanan verileri kullanarak yürüyüş parametrelerinin objektif bir şekilde nicelenmesi; (2) önerilen algoritmadan elde edilen beş tahmini yürüyüş parametresinin ortalama hata oranı ve Pearson korelasyon katsayısı (PCC) açısından 3D hareket yakalama sisteminden elde edilen muadilleriyle karşılaştırılması; (3) FoG hastalarının makine öğrenme tekniklerini kullanan FoG hastalarından otomatik olarak ayrımcılık yapılmasıdır. Beş yürüyüş parametresinin PCC ile 0.961 ile 0.984 arasında değişen yüksek bir anlaşma seviyesine sahip olduğu bulunmuştur. Accelerometer tabanlı yaklaşım ve 3D hareket yakalama sisteminden tahmin edilen yürüyüş parametreleri arasındaki ortalama hata oranının %10'dan az olduğu bulunmuştur. Sınıflandırıcıların performansları doğruluk temelinde karşılaştırılır. En iyi sonuç yaklaşık %88 doğrulukla SVM sınıflandırıcısı ile elde edildi. Önerilen yaklaşım, giyilebilir ivmeölçer tabanlı sistemin FoG'yi değerlendirmek ve izlemek için önerileceği gerçek yaşam senaryosunda uygulanabilir hale getiren yeterli kanıt göstermektedir.
Özgün kaynak özetini okuyun
One of the most common symptoms observed among most of the Parkinson's disease patients that affects movement pattern and is also related to the risk of fall, is usually termed as "freezing of gait (FoG)". To allow systematic assessment of FoG, objective quantification of gait parameters and automatic detection of FoG are needed. This will help in personalizing the treatment. In this paper, the objectives of the study are (1) quantification of gait parameters in an objective manner by using the data collected from wearable accelerometers; (2) comparison of five estimated gait parameters from the proposed algorithm with their counterparts obtained from the 3D motion capture system in terms of mean error rate and Pearson's correlation coefficient (PCC); (3) automatic discrimination of FoG patients from no FoG patients using machine learning techniques. It was found that the five gait parameters have a high level of agreement with PCC ranging from 0.961 to 0.984. The mean error rate between the estimated gait parameters from accelerometer-based approach and 3D motion capture system was found to be less than 10%. The performances of the classifiers are compared on the basis of accuracy. The best result was accomplished with the SVM classifier with an accuracy of approximately 88%. The proposed approach shows enough evidence that makes it applicable in a real-life scenario where the wearable accelerometer-based system would be recommended to assess and monitor the FoG.
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.