NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı gibi hareketliliği sınırlayan koşullarla yaşayan insanlar, amaçlanan görevleri fiziksel olarak tamamlamak için mücadele edebilir. Niyet algılayan teknoloji, bu amaçlanan görevleri ölçebilir ve hatta tahmin edebilir, böylece yardımcı teknoloji bir kullanıcının bunları güvenli bir şekilde tamamlamasına yardımcı olabilir. Daha önceki araştırmalarda, algoritmik sistemler önerilmiş, geliştirilmiş ve çoklu sensörlerin modüler bir şekilde dinamik olarak birleştirilmesini sağlayan bir Olasılıksal Sensör Ağı aracılığıyla kullanıcı niyetini ölçmek için test edilmiştir. Ayrıca, niyetleri sürekli olarak tahmin etmek için zaman dilimli derin öğrenme sistemi de sunulmuştur. Bu çalışma bu ilkeleri birleştirir ve bu nedenle çok modlu niyet algılama için yeni bir algoritma önerir, geliştirir ve test eder, IMU sensörlerinden gelen ölçümleri bir mikrofondan olanlarla birleştirir ve zaman dilimli derin öğrenme kullanarak çıktıları yorumlar. Parkinson hastalığı olan engelli olmayan kontrol gönüllülerinin ve katılımcıların karışımından oluşan yeni bir veri seti üzerinde test edilir ve günlük yaşamın üç aktivitesini mümkün olduğunca hızlı ve doğru bir şekilde sınıflandırmak için kullanılır. Sonuçlar, niyetin, fikrin yürürlüğe girdiği 0.5 s içinde% 97,4 doğrulukla belirlenebileceğini gösterdi, bu da daha sonra etkinlik boyunca monoton olarak maksimum% 99,9918'e yükseldi. Bu kanıt, niyet algılamanın yardımcı tıbbi cihazlar için potansiyel bir girdi olarak uygulanabilir olduğu sonucunu desteklemektedir.
Özgün kaynak özetini okuyun
People living with mobility-limiting conditions such as Parkinson's disease can struggle to physically complete intended tasks. Intent-sensing technology can measure and even predict these intended tasks, such that assistive technology could help a user to safely complete them. In prior research, algorithmic systems have been proposed, developed and tested for measuring user intent through a Probabilistic Sensor Network, allowing multiple sensors to be dynamically combined in a modular fashion. A time-segmented deep-learning system has also been presented to predict intent continuously. This study combines these principles, and so proposes, develops and tests a novel algorithm for multi-modal intent sensing, combining measurements from IMU sensors with those from a microphone and interpreting the outputs using time-segmented deep learning. It is tested on a new data set consisting of a mix of non-disabled control volunteers and participants with Parkinson's disease, and used to classify three activities of daily living as quickly and accurately as possible. Results showed intent could be determined with an accuracy of 97.4% within 0.5 s of inception of the idea to act, which subsequently improved monotonically to a maximum of 99.9918% over the course of the activity. This evidence supports the conclusion that intent sensing is viable as a potential input for assistive medical devices.
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.