NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Hedef: Parkinson hastalığı (PD) yürüyüş bozukluğuna ve Gait Donmasına (FoG) yol açabilir. İşaret teknolojilerindeki son gelişmeler PD hastalarında hareketliliği artırdı. Sensör teknolojisi ve makine öğrenimi, isteğe bağlı işaretleme için gerçek zamanlı algılama sunarken, mevcut sistemler, veri işleme için sensör (ler) ve işaret cihazı (lar) arasındaki akıllı telefonların kullanımı ile sınırlıdır. Bundan kaçınarak kullanılabilirliği, sağlamlığı ve algılama gecikmesini geliştirmeyi amaçlıyoruz. Yöntemler: Akıllı telefonu baypas ederek algılama ve işaretleme algoritmalarını doğrudan algılama ve işaretleme cihazlarında çalıştıran yeni bir teknik çözüm sunuyoruz. Bu çözüm, cihazların donanımında kenar hesaplamasına dayanır. Giyilebilir sistem, bir uyarıcıyı kontrol etmek için tek bir atalet sensöründen oluşur ve ayak hareket fazlarını normal veya FoG ile etkilenen olarak sınıflandırarak makine öğrenme tabanlı FoG algılamasını sağlar. Sistemin işlevselliğini ve güvenliğini iki hastada isteğe bağlı olarak yürüyüş eşzamanlı elektriksel işaretleme sırasında gösteriyoruz, yürüyüş değerlendirmelerinin dondurulmasını gerçekleştiriyoruz. Referanslar olarak, hareket aşamaları ve FoG bölümleri videodan duyurulmuştur. Sonuçlar: Analiz, yeterli yürüyüş aşaması ve FoG algılama performansını doğrulamaktadır. Hareketlilik asistanı, %94'ün üzerinde bir oranda ayak hareketleri tespit etti ve bunları normal veya FoG ile etkilenenlere %84 doğrulukla sınıflandırdı. FoG algılama gecikmesi esas olarak mevcut sürgülü pencere yaklaşımlarındaki gecikmenin altında olan ayak hareketi süresi ile tanımlanır. Sonuç: Sensör ve işaret cihazları üzerindeki doğrudan hesaplama, hareketle senkronize edilmiş talep üzerine FoG ile etkilenen hareketlerin sağlam bir şekilde tespit edilmesini sağlar. Önerilen çözüm, diğer sensör ve işaret yöntemlerine kolayca kabul edilebilir.
Özgün kaynak özetini okuyun
Goal: Parkinson's disease (PD) can lead to gait impairment and Freezing of Gait (FoG). Recent advances in cueing technologies have enhanced mobility in PD patients. While sensor technology and machine learning offer real-time detection for on-demand cueing, existing systems are limited by the usage of smartphones between the sensor(s) and cueing device(s) for data processing. By avoiding this we aim at improving usability, robustness, and detection delay. Methods: We present a new technical solution, that runs detection and cueing algorithms directly on the sensing and cueing devices, bypassing the smartphone. This solution relies on edge computing on the devices' hardware. The wearable system consists of a single inertial sensor to control a stimulator and enables machine-learning-based FoG detection by classifying foot motion phases as either normal or FoG-affected. We demonstrate the system's functionality and safety during on-demand gait-synchronous electrical cueing in two patients, performing freezing of gait assessments. As references, motion phases and FoG episodes have been video-annotated. Results: The analysis confirms adequate gait phase and FoG detection performance. The mobility assistant detected foot motions with a rate above 94 % and classified them with an accuracy of 84 % into normal or FoG-affected. The FoG detection delay is mainly defined by the foot-motion duration, which is below the delay in existing sliding-window approaches. Conclusions: Direct computing on the sensor and cueing devices ensures robust detection of FoG-affected motions for on demand cueing synchronized with the gait. The proposed solution can be easily adopted to other sensor and cueing modalities.
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.