NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan ve amaçYaşlanan bir toplum, Parkinson hastalığı (PD) gibi nörodejeneratif bozuklukların teşhisi ve izlenmesi için kullanımı kolay yaklaşımlar gerektirir, böylece klinisyenler bir tedavi politikasını etkili bir şekilde ayarlayabilir ve hastaların yaşam kalitesini artırabilir. Mevcut PD tanı ve izleme yöntemleri genellikle hastaların birkaç nörolojik ve nöropsikolojik muayeneden geçtikleri bir hastaneye gelmelerini gerektirir. Bu sınavlar genellikle zaman alıcı, pahalı ve yılda sadece birkaç kez gerçekleştirilir. Bu nedenle, bu çalışma, mHealth sistemlerine kolayca entegre edilebilecek yeni bir PD tanı metodolojisi önermek amacıyla hipomimimi ve hipokinetik disartri (PD hastalarının çoğunda ortaya çıkan iki motor semptom) bilgisayarlı analizini birleştirme olasılığını araştırıyor.MetodlarBir mikrofon ve bir kamera tarafından kaydedilirken çeşitli konuşma / ses görevlerini yerine getiren 73 PD hastası ve 46 yaş ve cinsiyet uyumlu sağlıklı kontrolleri kaydettik. Akustik sinyaller fonasyon, eklemlenme ve prosodi alanlarında parametrize edildi. Bir yüzün video kayıtları yüz işaretleri hareketi açısından analiz edildi. Her iki model de XGBoost algoritması tarafından modellenmiştir.SonuçlarAkustik analiz, PD'nin %77 dengeli doğrulukla teşhis edilmesini sağlarken, yüz analizi durumunda %81 dengeli doğruluk gözlemledik. Her iki modalitenin kaynaşması dengeli doğruluğu %83'e çıkardı (%88 hassasiyet ve %78 özgüllük). Multimodal sistemdeki en bilgilendirici konuşma egzersizinin bir dil bükücü olduğu ortaya çıktı. Ek olarak, hipomimimiye karakteristik olan kas hareketlerini tanımladık.KonvüzyonlarÇeşitli konuşma egzersizlerine dayanan ve aynı şekilde ses ve video modalitesine dayanan tanıtılan metodoloji, PD'nin %83'e varan doğrulukla tespit edilmesini sağlar. Konuşma egzersizi - dil bükücüler klinik açıdan en değerli olduğu ortaya çıktı. Ek olarak, oluşturulan modellerin klinik yorumu da gösterilmiştir. Sunulan bilgisayar destekli metodoloji, PD tespitinde nörologlar için ekstra bir araç olarak hizmet edebilir ve mHealth'in önerilen potansiyel çözümü hastanın ve doktorun hayatını kolaylaştıracaktır.
Özgün kaynak özetini okuyun
Background and objectiveAn aging society requires easy-to-use approaches for diagnosis and monitoring of neurodegenerative disorders, such as Parkinson's disease (PD), so that clinicians can effectively adjust a treatment policy and improve patients' quality of life. Current methods of PD diagnosis and monitoring usually require the patients to come to a hospital, where they undergo several neurological and neuropsychological examinations. These examinations are usually time-consuming, expensive, and performed just a few times per year. Hence, this study explores the possibility of fusing computerized analysis of hypomimia and hypokinetic dysarthria (two motor symptoms manifested in the majority of PD patients) with the goal of proposing a new methodology of PD diagnosis that could be easily integrated into mHealth systems.MethodsWe enrolled 73 PD patients and 46 age- and gender-matched healthy controls, who performed several speech/voice tasks while recorded by a microphone and a camera. Acoustic signals were parametrized in the fields of phonation, articulation and prosody. Video recordings of a face were analyzed in terms of facial landmarks movement. Both modalities were consequently modeled by the XGBoost algorithm.ResultsThe acoustic analysis enabled diagnosis of PD with 77% balanced accuracy, while in the case of the facial analysis, we observed 81% balanced accuracy. The fusion of both modalities increased the balanced accuracy to 83% (88% sensitivity and 78% specificity). The most informative speech exercise in the multimodality system turned out to be a tongue twister. Additionally, we identified muscle movements that are characteristic of hypomimia.ConclusionsThe introduced methodology, which is based on the myriad of speech exercises likewise audio and video modality, allows for the detection of PD with an accuracy of up to 83%. The speech exercise - tongue twisters occurred to be the most valuable from the clinical point of view. Additionally, the clinical interpretation of the created models is illustrated. The presented computer-supported methodology could serve as an extra tool for neurologists in PD detection and the proposed potential solution of mHealth will facilitate the patient's and doctor's life.
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.