Development and Assessment of a Movement Disorder Simulator Based on Inertial Data.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Nörodejeneratif hastalıkların düşük maliyetli sensörler ve uygun sınıflandırma algoritmaları aracılığıyla tespit analizi, yaygın olarak yayılan teletıp tekniklerinin önemli bir parçasıdır. Uygun sensörlerin seçimi ve analiz algoritmalarının ayarlanması, gönüllü hastaları içeren büyük bir deneysel ölçüm kampanyasından türetilebilecek büyük miktarda veri gerektirir. Bu süreç, hasta mahremiyetine ve etik yönlerine saygı göstermek için hassas verilerin işlenmesi ve kullanılması için önceden onay aşaması gerektirir. Bir etik komitesinden izin almak için, testleri tanımlayan bir protokol sunmak ve altı aylık tipik bir süreden sonra gerçekleşebilecek onay beklemek gerekir. Bir alternatif, araştırmanın ilk aşaması için en fazla bir yazılım simülatörünü yapılandırma, uygulama, onaylama ve benimsemeden oluşur. Bu amaçla, makale, ham atalet ölçüm verilerine dayanan hem sağlıklı hem de patolojik durumlar için hareket bozuklukları ile ilgili verileri üretebilen bir yazılım simülatörünün geliştirilmesini, onaylanmasını ve kullanılmasını önerir ve çıktı olarak üç eksenli ivme ve açısal hız verir. Geliştirilen yazılımın olası bir işletim senaryosunu sunmak için, bu çalışma belirli bir vaka çalışmasına, yani eş anlamlı patolojinin ana bozukluklarından biri olan Parkinson hastalığına bağlı titremeye odaklanmaktadır. Tam çerçeve, ham veri kullanılabilirliğinden patolojik veri üretimine kadar, verinin ayırt edilebilir ve sınıflandırılabilirliğini değerlendirmek için ortak bir makine öğrenme yöntemi uygulaması ile birlikte bildirilmektedir. Esnek ve kullanımı kolay bir simülatörün geliştirilmesi nedeniyle, kağıt aynı zamanda düşük performanslı bir algılama cihazı altında doğru sınıflandırmaya izin vermek için bir metrik olarak tipik ölçüm özellikleri ile tanımlanan veri kalitesini analiz eder ve tartışır. Simulatörün doğrulama sonuçları, açısal hız için 0.94'ten daha büyük bir korelasyon katsayısı ve ivme verileriyle ilgili 0.93 olduğunu göstermektedir. Parkinson hastalığı titremesi üzerindeki sınıflandırma performansı en iyi test koşullarında %98'den fazlaydı.

Özgün kaynak özetini okuyun

The detection analysis of neurodegenerative diseases by means of low-cost sensors and suitable classification algorithms is a key part of the widely spreading telemedicine techniques. The choice of suitable sensors and the tuning of analysis algorithms require a large amount of data, which could be derived from a large experimental measurement campaign involving voluntary patients. This process requires a prior approval phase for the processing and the use of sensitive data in order to respect patient privacy and ethical aspects. To obtain clearance from an ethics committee, it is necessary to submit a protocol describing tests and wait for approval, which can take place after a typical period of six months. An alternative consists of structuring, implementing, validating, and adopting a software simulator at most for the initial stage of the research. To this end, the paper proposes the development, validation, and usage of a software simulator able to generate movement disorders-related data, for both healthy and pathological conditions, based on raw inertial measurement data, and give tri-axial acceleration and angular velocity as output. To present a possible operating scenario of the developed software, this work focuses on a specific case study, i.e., the Parkinson's disease-related tremor, one of the main disorders of the homonym pathology. The full framework is reported, from raw data availability to pathological data generation, along with a common machine learning method implementation to evaluate data suitability to be distinguished and classified. Due to the development of a flexible and easy-to-use simulator, the paper also analyses and discusses the data quality, described with typical measurement features, as a metric to allow accurate classification under a low-performance sensing device. The simulator's validation results show a correlation coefficient greater than 0.94 for angular velocity and 0.93 regarding acceleration data. Classification performance on Parkinson's disease tremor was greater than 98% in the best test conditions.

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.