Serbest Vücut Hareketleri sırasında Parkinson Tremor Severitesinin Tahmini için Giyilebilir Sensörler.

Araştırma özeti

Aşağıdaki metin kaynak makalenin lisansı doğrulanmış orijinal özetidir. cc by

Tremor is one of the main symptoms of Parkinson's Disease (PD) that reduces the quality of life. Tremor is measured as part of the Unified Parkinson Disease Rating Scale (UPDRS) part III. However, the assessment is based on onsite physical examinations and does not fully represent the patients' tremor experience in their day-to-day life. Our objective in this paper was to develop algorithms that, combined with wearable sensors, can estimate total Parkinsonian tremor as the patients performed a variety of free body movements. We developed two methods: an ensemble model based on gradient tree boosting and a deep learning model based on long short-term memory (LSTM) networks. The developed methods were assessed on gyroscope sensor data from 24 PD subjects. Our analysis demonstrated that the method based on gradient tree boosting provided a high correlation (r = 0.96 using held-out testing and r = 0.93 using subject-based, leave-one-out cross-validation) between the estimated and clinically assessed tremor subscores in comparison to the LSTM-based method with a moderate correlation (r = 0.84 using held-out testing and r = 0.77 using subject-based, leave-one-out cross-validation). These results indicate that our approach holds great promise in providing a full spectrum of the patients' tremor from continuous monitoring of the subjects' movement in their natural environment.

Türkçe çeviri

Makine çevirisi · Klinik kullanım öncesinde kaynakla karşılaştırılmalı.

Tremor, Parkinson Hastalığı'nın (PD) yaşam kalitesini düşüren ana semptomlarından biridir. Tremor, Unified Parkinson Disease Rating Scale (UPDRS) bölüm III'ün bir parçası olarak ölçülür. Ancak, değerlendirme yerinde yapılan fizik muayenelere dayanmaktadır ve hastaların günlük yaşamlarındaki titreme deneyimini tam olarak temsil etmemektedir. Bu makaledeki amacımız, giyilebilir sensörlerle birlikte, hastalar çeşitli serbest vücut hareketleri gerçekleştirirken toplam Parkinson titremesini tahmin edebilen algoritmalar geliştirmekti. İki yöntem geliştirdik: gradyan ağacı güçlendirmeye dayalı bir topluluk modeli ve uzun kısa süreli bellek (LSTM) ağlarına dayanan derin bir öğrenme modeli. Geliştirilen yöntemler 24 PD denekten jiroskop sensör verileri üzerinde değerlendirildi. Analizlerimiz, gradyan ağacı güçlendirme yönteminin, LSTM tabanlı yönteme kıyasla tahmin edilen ve klinik olarak değerlendirilen titreme alt çekirdekleri arasında, gradyan ağacı yükseltme yönteminin, gradyan ağacı yükseltme yönteminin, last-one-out çapraz doğrulaması kullanılarak yüksek korelasyon (r = 0,96 hold-out testi ve r = 0,77 left-one-out çapraz doğrulaması kullanılarak) sağladığını göstermiştir. Bu sonuçlar, yaklaşımımızın, deneklerin doğal ortamlarındaki hareketinin sürekli izlenmesinden hastaların titremesinin tam bir spektrumunu sağlamada büyük bir söz verdiğini göstermektedir.

İlgili konular