NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Yürüyüşün dondurulması, ileri Parkinson hastalığı olan hastalar arasında yaygın bir yürüyüş bozukluğudur ve düşmelerle ilişkilidir. Bu makale, PD hastalarından FoG sinyalleri almak için ilgili deneysel prosedürleri tasarladı. Accelerometer, jiroskop ve kuvvet algılama direnç sensörleri hastaların alt gövdesine yerleştirildi. Bu temelde, FoG algılama sürecinde optimal özellik çıkarma yöntemi, sensör konfigürasyonu ve özellik miktarı seçimi üzerine araştırma gerçekleştirilir. Sensör sinyallerinden zaman etki alanı, frekans etki alanı ve istatistiksel özelliklerden oluşan on üç tipik özellik çıkarıldı. İlk olarak, iki özellik seçim yönteminin etkinliğini karşılaştırarak özellikleri seçmek için varyans (ANOVA) analizini kullandık. İkinci olarak, algılama etkilerini en iyi sensör konfigürasyonunu elde etmek için farklı sensör kombinasyonlarıyla değerlendirdik. Son olarak, rastgele ormana dayalı FoG tanıma modelini oluşturmak için en uygun özellikleri seçtik. Tespit performansı, maliyet ve gerçek dağıtım gereksinimleri gibi faktörlerin kapsamlı bir şekilde ele alınmasından sonra, sol şaft gyro ve ivmeölçerinden elde edilen 35 özellik ve %78.39 hassasiyet, %91.66 özgüllük, %88.09 doğruluk, %77.58 hassasiyet ve %77.98 f-score elde edildi. Bu objektif FoG tanıma yöntemi, erken FoG semptomlarının taranması ve tedavisi için yararlı olacak yüksek tanıma doğruluğuna sahiptir.
Özgün kaynak özetini okuyun
Freezing of gait is a common gait disorder among patients with advanced Parkinson's disease and is associated with falls. This paper designed the relevant experimental procedures to obtain FoG signals from PD patients. Accelerometers, gyroscopes, and force sensing resistor sensors were placed on the lower body of patients. On this basis, the research on the optimal feature extraction method, sensor configuration, and feature quantity selection in the FoG detection process is carried out. Thirteen typical features consisting of time domain, frequency domain and statistical features were extracted from the sensor signals. Firstly, we used the analysis of variance (ANOVA) to select features through comparing the effectiveness of two feature selection methods. Secondly, we evaluated the detection effects with different combinations of sensors to get the best sensors configuration. Finally, we selected the optimal features to construct FoG recognition model based on random forest. After comprehensive consideration of factors such as detection performance, cost, and actual deployment requirements, the 35 features obtained from the left shank gyro and accelerometer, and 78.39% sensitivity, 91.66% specificity, 88.09% accuracy, 77.58% precision and 77.98% f-score were achieved. This objective FoG recognition method has high recognition accuracy, which will be helpful for early FoG symptoms screening and treatment.
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.