NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Şelaleler Parkinson hastalığı (PwPD) olan insanlar için büyük bir endişe kaynağıdır, ancak klinik dışında gerçek dünya düşme riskini doğru bir şekilde değerlendirmek zordur. Çağdaş teknolojiler, düşmeye katkıda bulunan günlük faktörlerin (örneğin engeller) ölçümü yoluyla düşme riskini daha iyi bilgilendirmek için objektif ve yüksek çözünürlüklü verilerin yakalanmasını sağlayabilir. Giyilebilir atalet ölçüm birimleri (IMU'lar) tüm ortamlarda objektif yüksek çözünürlüklü yürüme/çıkış verilerini yakalar, ancak yürüyüşün nasıl yorumlandığını büyük ölçüde etkileyebilecek bağlamsal bilgiler (yani engeller) üzerinde mutlak netlik sağlamamakla sınırlıdır. Video tabanlı veriler, kapsamlı bir serbest yaşayan düşme riski değerlendirmesi için IMU tabanlı verileri iltifat edebilir. Bu çalışmanın amacı iki yönlüydü. İlk olarak, pilot çalışma, PwPD'de serbest yaşam düşüş riskini daha iyi bilgilendirmek için IMU yürüyüş verilerini iltifat etmek için giyilebilir video tabanlı göz izleme gözlükleriyle kullanılmak üzere yeni bir yapay zeka (AI) algoritması önermek için yapıldı. Önerilen yaklaşım (ince ayarlı You Only Look Once version 8 (YOLOv8) nesne algılama algoritmasına dayanarak) ortamdaki nesneleri doğru bir şekilde algılayabilir ve bağlamsallaştırabilir (mAP50 = 0.81), aynı zamanda PwPD'nin nereye baktığına dair bilgiler sağlarken, bu da düşme riskini daha iyi bilgilendirebilir. İkincisi, PwPD'nin algılarını, kendi düşme risklerini daha iyi bildirmek için günlük yaşamları boyunca video teknolojilerinin ve yapay zekanın benimsenmesine ilişkin bir odak grubu tartışması yoluyla araştırdık. Çalışmanın bu ikinci yönü, geleneksel olarak, gerçek dünya videolarını yakalamak için giyilebilir kameraların kullanımı ile ilgili etik ve gizlilik endişeleri nedeniyle klinik ve hasta kaygısı olabileceği için önemlidir. Tematik içerik analizi transkriptleri analiz etmek ve temel temaları ve kategorileri geliştirmek için kullanıldı. Burada, PwPD ergonomik olarak tasarlanmış giyilebilir video tabanlı gözlükleri video veri yakalamanın en uygun modu olarak kabul etti, ayrıklığı sağladı ve araştırma tarzı ekipmanın kullanımında herhangi bir kamu damgasını reddetti. PwPD ayrıca, IMU tabanlı yürüyüş ve serbest yaşam düşüş riskini daha iyi bilgilendirmek için videonun benimsenmesiyle ilgili endişeleri aşabilecek, gizliliği korumak için AI destekli veri işlemede kontrol ihtiyacının altını çizdi. Çağdaş teknolojiler (giyilebilir video gözlükleri ve AI), PwPD'nin kullanımı yararlı ve güvenli olarak tanıdığı düşme riskine bütünsel bir yaklaşım sağlayabilir.
Özgün kaynak özetini okuyun
Falls are a major concern for people with Parkinson's disease (PwPD), but accurately assessing real-world fall risk beyond the clinic is challenging. Contemporary technologies could enable the capture of objective and high-resolution data to better inform fall risk through measurement of everyday factors (e.g., obstacles) that contribute to falls. Wearable inertial measurement units (IMUs) capture objective high-resolution walking/gait data in all environments but are limited by not providing absolute clarity on contextual information (i.e., obstacles) that could greatly influence how gait is interpreted. Video-based data could compliment IMU-based data for a comprehensive free-living fall risk assessment. The objective of this study was twofold. First, pilot work was conducted to propose a novel artificial intelligence (AI) algorithm for use with wearable video-based eye-tracking glasses to compliment IMU gait data in order to better inform free-living fall risk in PwPD. The suggested approach (based on a fine-tuned You Only Look Once version 8 (YOLOv8) object detection algorithm) can accurately detect and contextualize objects (mAP50 = 0.81) in the environment while also providing insights into where the PwPD is looking, which could better inform fall risk. Second, we investigated the perceptions of PwPD via a focus group discussion regarding the adoption of video technologies and AI during their everyday lives to better inform their own fall risk. This second aspect of the study is important as, traditionally, there may be clinical and patient apprehension due to ethical and privacy concerns on the use of wearable cameras to capture real-world video. Thematic content analysis was used to analyse transcripts and develop core themes and categories. Here, PwPD agreed on ergonomically designed wearable video-based glasses as an optimal mode of video data capture, ensuring discreteness and negating any public stigma on the use of research-style equipment. PwPD also emphasized the need for control in AI-assisted data processing to uphold privacy, which could overcome concerns with the adoption of video to better inform IMU-based gait and free-living fall risk. Contemporary technologies (wearable video glasses and AI) can provide a holistic approach to fall risk that PwPD recognise as helpful and safe to use.
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.