Parkinson Hastalığı Giyilebilir Accelerometreler Kullanarak Vahşide Tremor Tespiti.

Araştırma özeti

Aşağıdaki metin kaynak makalenin lisansı doğrulanmış orijinal özetidir. cc by

Continuous in-home monitoring of Parkinson's Disease (PD) symptoms might allow improvements in assessment of disease progression and treatment effects. As a first step towards this goal, we evaluate the feasibility of a wrist-worn wearable accelerometer system to detect PD tremor in the wild (uncontrolled scenarios). We evaluate the performance of several feature sets and classification algorithms for robust PD tremor detection in laboratory and wild settings. We report results for both laboratory data with accurate labels and wild data with weak labels. The best performance was obtained using a combination of a pre-processing module to extract information from the tremor spectrum (based on non-negative factorization) and a deep neural network for learning relevant features and detecting tremor segments. We show how the proposed method is able to predict patient self-report measures, and we propose a new metric for monitoring PD tremor (i.e., percentage of tremor over long periods of time), which may be easier to estimate the start and end time points of each tremor event while still providing clinically useful information.

Türkçe çeviri

Makine çevirisi · Klinik kullanım öncesinde kaynakla karşılaştırılmalı.

Parkinson Hastalığı (PD) semptomlarının evde sürekli izlenmesi, hastalığın ilerlemesi ve tedavi etkilerinin değerlendirilmesinde iyileşmelere izin verebilir. Bu hedefe doğru ilk adım olarak, vahşi doğada PD titremesini (kontrolsüz senaryolar) tespit etmek için bilek giyilebilir ivmeölçer sisteminin fizibilitesini değerlendiririz. Laboratuvar ve vahşi ortamlarda sağlam PD titreme tespiti için birkaç özellik seti ve sınıflandırma algoritmasının performansını değerlendiriyoruz. Hem laboratuvar verileri için sonuçları doğru etiketlerle hem de zayıf etiketlerle vahşi verilerle bildiririz. En iyi performans, titreme spektrumundan (negatif olmayan faktörizasyona dayalı) bilgi almak için bir ön işleme modülünün bir kombinasyonu ve ilgili özellikleri öğrenmek ve titreme segmentlerini tespit etmek için derin bir sinir ağı kullanılarak elde edildi. Önerilen yöntemin hasta kendini bildirme önlemlerini nasıl tahmin edebildiğini gösteriyoruz ve PD titremesini izlemek için yeni bir metrik (yani, uzun süreler boyunca titreme yüzdesi) öneriyoruz, bu da her bir titreme olayının başlangıç ve bitiş zaman noktalarını tahmin etmek için daha kolay olabilir, aynı zamanda klinik olarak yararlı bilgiler sağlar.

İlgili konular