NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
BackgroundHandwriting Parkinson Hastalığı (PD) hastalarında en önemli belirtilerden birini temsil eder. El yazısının bilgisayar destekli analizi, PD tespiti ve derecelendirmesinde yararlı olabilecek umut verici kalıpların tanımlanmasına izin verir. Bu çalışmada el yazısı görevleri sırasında elde edilen geometrik, dinamik ve kas aktivasyon sinyalleri ile elde edilen yenilikçi bir dizi özellik önerilmekte ve yapay sinir ağları aracılığıyla PD'nin tespiti ve derecelendirilmesinde bu tür özelliklerin katkısı değerlendirilmektedir.MethodsEleven sağlıklı denekler ve yirmi bir PD hastası bu çalışmaya kayıt edilmiştir. İlgili her bir konu, ana önkol kaslarının kas aktivasyon sinyallerini toplamak için kullanılan Miyo Armband'ı giyerken bir grafik tablete üç farklı desen yazması istendi. Daha sonra yazılı desen, kalemin hareketi ve kalem ve kas aktivasyonları ile uygulanan basınç ile ilgili çeşitli özellikler çıkardık. Hesaplamalı özellikler, sağlıklı deneklerin PD hastalarına karşı sınıflandırılması ve orta dereceli PD hastalarından yapay bir sinir ağı (ANN) kullanarak hafif PD hastalarını ayırt etmek için kullanılmıştır.SonuçlarFarklı ANN topolojilerinin eğitimi ve değerlendirilmesinden sonra, elde edilen sonuçlar, önerilen özelliklerin PD tespiti ve derecelendirmesinde yüksek öneme sahip olduğunu göstermiştir. Özellikle, yaklaşımımızın %90'dan daha yüksek bir sınıflandırma doğruluğu ile hem algıladığını hem de oranın (hafif ve orta dereceli PD) tespit edildiğini tespit ettik.Bu makalede, PD tespiti ve derecelendirmesinde el yazısı görevleriyle ilgili bir dizi önerilen özelliğin temsilini araştırdık. Özellikle, sağlıklı denekleri ve PD hastalarını (PD tespiti) sınıflandırmak ve hafif ve orta dereceli PD hastalarını (PD derecelendirmesi) sınıflandırmak için bir ANN kullandık. Uygulanan ve test edilen yöntemler, yüksek doğruluk, hassasiyet ve özgüllük seviyesi ile kanıtlanmış umut verici sonuçlar gösterdi. Bu tür sonuçlar, önerilen kurulumun Parkinson Hastalığı hakkındaki tıbbi kararı desteklemek için klinik ortamlarda kullanılabilirliğini göstermektedir.
Özgün kaynak özetini okuyun
BackgroundHandwriting represents one of the major symptom in Parkinson's Disease (PD) patients. The computer-aided analysis of the handwriting allows for the identification of promising patterns that might be useful in PD detection and rating. In this study, we propose an innovative set of features extracted by geometrical, dynamical and muscle activation signals acquired during handwriting tasks, and evaluate the contribution of such features in detecting and rating PD by means of artificial neural networks.MethodsEleven healthy subjects and twenty-one PD patients were enrolled in this study. Each involved subject was asked to write three different patterns on a graphic tablet while wearing the Myo Armband used to collect the muscle activation signals of the main forearm muscles. We have then extracted several features related to the written pattern, the movement of the pen and the pressure exerted with the pen and the muscle activations. The computed features have been used to classify healthy subjects versus PD patients and to discriminate mild PD patients from moderate PD patients by using an artificial neural network (ANN).ResultsAfter the training and evaluation of different ANN topologies, the obtained results showed that the proposed features have high relevance in PD detection and rating. In particular, we found that our approach both detect and rate (mild and moderate PD) with a classification accuracy higher than 90%.ConclusionsIn this paper we have investigated the representativeness of a set of proposed features related to handwriting tasks in PD detection and rating. In particular, we used an ANN to classify healthy subjects and PD patients (PD detection), and to classify mild and moderate PD patients (PD rating). The implemented and tested methods showed promising results proven by the high level of accuracy, sensitivity and specificity. Such results suggest the usability of the proposed setup in clinical settings to support the medical decision about Parkinson's Disease.
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.