NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Son birkaç yılda, yürüyüş özelliklerinin ölçülmesinin önemi, çeşitli nörolojik hastalıklarla doğrudan ilişkileri nedeniyle on kat artmıştır. Parkinson hastalığı (PD) olan hastalar hareket bozukluğuna daha yatkın oldukları için, yürüyüş özelliklerinin nicelleştirilmesi tedavinin kişiselleştirilmesine yardımcı olur. Giyilebilir sensörler, ölçüm sürecini pratik bir ortamda daha uygun ve uygulanabilir hale getirir. Bununla birlikte, gerçek dünya senaryosunda giyilebilir sensör tabanlı ölçüm sisteminin doğrulanmasıyla ilgili soru cevaplanmaya devam ediyor. Bu makale, yürüyüş özelliklerinin tahmin edilmesi ve Tinetti hareketlilik testi ve 3D hareket yakalama sistemi kullanılarak onaylanması için giyilebilir ivmeölçerlerden toplanan verilere dayanan algoritmik bir yaklaşım içeren bir çalışma önermektedir. Ayrıca, tahmini yürüyüş özelliklerine dayanarak PD hastalarını sağlıklı yaşlı gruptan (HOG) sınıflandırmak için makine öğrenimine dayalı bir yaklaşım önermektedir. Sonuçlar, önerilen yaklaşım, Tinetti hareketlilik testi ve 3D hareket yakalama sistemi arasında iyi bir korelasyon olduğunu göstermektedir. Karar ağacı sınıflandırıcılarının diğer sınıflayıcılardan %88,46 sınıflandırma doğruluğu ile daha iyi performans gösterdiği bulunmuştur. Elde edilen sonuçlar, önerilen yaklaşım hakkında, evde yaşayan serbest yaşam gerçek zamanlı bir ortamda PD'yi değerlendirmek için uygun olabilecek yeterli kanıt gösterdi.
Özgün kaynak özetini okuyun
In the last few years, the importance of measuring gait characteristics has increased tenfold due to their direct relationship with various neurological diseases. As patients suffering from Parkinson's disease (PD) are more prone to a movement disorder, the quantification of gait characteristics helps in personalizing the treatment. The wearable sensors make the measurement process more convenient as well as feasible in a practical environment. However, the question remains to be answered about the validation of the wearable sensor-based measurement system in a real-world scenario. This paper proposes a study that includes an algorithmic approach based on collected data from the wearable accelerometers for the estimation of the gait characteristics and its validation using the Tinetti mobility test and 3D motion capture system. It also proposes a machine learning-based approach to classify the PD patients from the healthy older group (HOG) based on the estimated gait characteristics. The results show a good correlation between the proposed approach, the Tinetti mobility test, and the 3D motion capture system. It was found that decision tree classifiers outperformed other classifiers with a classification accuracy of 88.46%. The obtained results showed enough evidence about the proposed approach that could be suitable for assessing PD in a home-based free-living real-time environment.
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.