NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD) tanısı için motor değerlendirme testinin objektif değerlendirmesi, hem klinik hem de teknik uzmanlar için açık bir konudur, çünkü mevcut klinik pratiği hem hastalar hem de sağlık sistemleri için faydalarla geliştirebilir. Bu çalışmada, dört atalet cihazından (iki SensHand ve iki SensFoot) oluşan giyilebilir bir sistem ve uzuv hareketinden parametreleri çıkarmak için ilgili işlem algoritmaları 40 sağlıklı denek ve 40 PD hasta üzerinde test edildi. Alt ve üst uzuvlardan sırasıyla yetmiş sekiz ve 96 kinematik parametre ölçüldü. İstatistiksel ve korelasyon analizi, beş denetimli öğrenme sınıflandırıcısını eğitmek ve test etmek için kullanılan dört veri kümesini tanımlamaya izin verdi. İki grup arasındaki mükemmel ayrımcılık, tüm sınıflandırıcılar (ortalama doğruluk 0.936 ile 0.960 arasında değişir) ve tüm veri kümeleri (ortalama doğruluk 0.953 ile 0.966 arasında değişir), alt, üst veya tüm uzuvlardan türetilen parametreleri içeren üç koşuldan elde edildi. Tüm uzuvları doğrusal destek vektör makinesi (SVM) veya gaussian SVM ile sınıflandırırken en iyi performanslar (doğruluk = 1.00) elde edildi. Daha fazla çalışma yapılması gerekse bile, mevcut sonuçlar, PD tanısı ve izlenmesinin nesneleştirilmesinde klinisyenler için bir destek aracı olarak bu sistemi iyileştirmeyi vaat etmektedir.
Özgün kaynak özetini okuyun
Objective assessment of the motor evaluation test for Parkinson's disease (PD) diagnosis is an open issue both for clinical and technical experts since it could improve current clinical practice with benefits both for patients and healthcare systems. In this work, a wearable system composed of four inertial devices (two SensHand and two SensFoot), and related processing algorithms for extracting parameters from limbs motion was tested on 40 healthy subjects and 40 PD patients. Seventy-eight and 96 kinematic parameters were measured from lower and upper limbs, respectively. Statistical and correlation analysis allowed to define four datasets that were used to train and test five supervised learning classifiers. Excellent discrimination between the two groups was obtained with all the classifiers (average accuracy ranging from 0.936 to 0.960) and all the datasets (average accuracy ranging from 0.953 to 0.966), over three conditions that included parameters derived from lower, upper or all limbs. The best performances (accuracy = 1.00) were obtained when classifying all the limbs with linear support vector machine (SVM) or gaussian SVM. Even if further studies should be done, the current results are strongly promising to improve this system as a support tool for clinicians in objectifying PD diagnosis and monitoring.
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.