NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığının (PD) teşhisi ve semptomlarının değerlendirilmesi, şahsen klinik muayene gerektirir. PD semptomlarının uzaktan değerlendirilmesi, özellikle koronavirüs hastalığı 2019 pandemisi gibi bir pandemi sırasında arzu edilir. PD motor bozukluklarını uzaktan değerlendirmek için potansiyel bir yöntem video tabanlı analizdir. Bu çalışmada, konvolutional nöral ağ (CNN) modelini kullanarak yürüyüş videolarından Birleşik Parkinson Hastalığı Değerlendirme Ölçeği (UPDRS) skorunun tahmin edilebilirliğini değerlendirmeyi amaçladık. MethodsWe retrospektif olarak PD'li 74 hastanın 737 ardışık yürüyüş videosu ve ilgili nörolog puanları UPDRS skorlarını elde etti. Toplam UPDRS bölüm III skorunu ve dört eksenel semptom alt skorunu (27, 28, 29 ve 30 madde), bradikineziyi (23, 24, 25, 26 ve 31 madde), sertliği (22. madde) ve titremeyi (20 ve 21. maddeler) tahmin etmek için bir CNN modeli kullandık. Bu modeli yürüyüş videolarının %80'inde eğittik ve videoların %10'unu doğrulama veri kümesi olarak kullandık. Eğitimli modelin tahminsel performansını, model tarafından tahmin edilen skoru, videoların geri kalan %10'u için nörolog tarafından puanlanan skorla karşılaştırarak değerlendirdik (test veri kümesi). Modelin uyum iyiliğini değerlendirmek için bu puanlar arasındaki kararlılık katsayısını (R2) hesapladık.SonuçlarTest veri kümesinde, toplam UPDRS bölüm III skoru ve eksenel semptomların alt puanları için model tahmini ve nörolog dereceli değerler arasındaki R2 değerleri, bradikinezi, sertlik ve titreme sırasıyla 0.59, 0.77, 0.56, 0.46 ve 0.0 idi. Performans, şiddetli semptomları olan hastalardan gelen videolar için nispeten düşüktü.Sonuçlar Toplam UPDRS bölüm III puanı için modelin düşük tahmin performansına rağmen, aksiyel semptomların alt puanlarını tahmin etmede nispeten yüksek performans gösterdi. Model, ılımlı semptomları olan hastaların toplam UPDRS bölüm III puanlarını yaklaşık olarak tahmin etti, ancak sınırlı veri nedeniyle şiddetli semptomları olan hastalar için performans düşüktü. Modelin klinik ortamlardaki performansını artırmak için daha büyük bir veri kümesine ihtiyaç vardır.
Özgün kaynak özetini okuyun
BackgroundThe diagnosis of Parkinson's disease (PD) and evaluation of its symptoms require in-person clinical examination. Remote evaluation of PD symptoms is desirable, especially during a pandemic such as the coronavirus disease 2019 pandemic. One potential method to remotely evaluate PD motor impairments is video-based analysis. In this study, we aimed to assess the feasibility of predicting the Unified Parkinson's Disease Rating Scale (UPDRS) score from gait videos using a convolutional neural network (CNN) model.MethodsWe retrospectively obtained 737 consecutive gait videos of 74 patients with PD and their corresponding neurologist-rated UPDRS scores. We utilized a CNN model for predicting the total UPDRS part III score and four subscores of axial symptoms (items 27, 28, 29, and 30), bradykinesia (items 23, 24, 25, 26, and 31), rigidity (item 22) and tremor (items 20 and 21). We trained the model on 80% of the gait videos and used 10% of the videos as a validation dataset. We evaluated the predictive performance of the trained model by comparing the model-predicted score with the neurologist-rated score for the remaining 10% of videos (test dataset). We calculated the coefficient of determination (R2) between those scores to evaluate the model's goodness of fit.ResultsIn the test dataset, the R2 values between the model-predicted and neurologist-rated values for the total UPDRS part III score and subscores of axial symptoms, bradykinesia, rigidity, and tremor were 0.59, 0.77, 0.56, 0.46, and 0.0, respectively. The performance was relatively low for videos from patients with severe symptoms.ConclusionsDespite the low predictive performance of the model for the total UPDRS part III score, it demonstrated relatively high performance in predicting subscores of axial symptoms. The model approximately predicted the total UPDRS part III scores of patients with moderate symptoms, but the performance was low for patients with severe symptoms owing to limited data. A larger dataset is needed to improve the model's performance in clinical settings.
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.