NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), dünyadaki en yaygın ikinci hareket bozukluğudur. Hastalıktan etkilenen insanların bağımsızlığı ve yaşam kalitesi üzerinde derin bir etkiye sahip olan motor ve motor olmayan semptomlarla karakterize edilir, bu da bakıcıların yükünü arttırır. PD ve derin öğrenme (DL) yaklaşımlarına sahip kişilerin kantitatif yürüyüş verilerinin yürüyüş temelli kullanımı, klinik karar vermeyi desteklemek ve yardımcı olmak için giderek daha umut verici yöntemler olarak ortaya çıkmaktadır, kantitatif ve objektif bir tanının yanı sıra hastalık izleme için ek bir araç sağlamak amacıyla. Bu, hastalığın erken tespitine, ilerlemenin değerlendirilmesine ve terapötik müdahalelerin uygulanmasına izin verecektir. Bu makalede, yazarlar, Sistematik İncelemeler ve Meta-Analizler (PRISMA) kılavuzları için Tercih Edilen Raporlama Öğeleri'ni kullanarak PD'nin analizi için son zamanlarda önerilen ortaya çıkan DL tekniklerinin sistematik bir incelemesini sunmaktadır. Scopus, PubMed ve Web of Science veritabanları altı yıllık bir aralıkta arandı (2018 arasında, ilk makalenin yayınlandığı tarih ve 2023 arasında). Bu incelemede, PD hastalarının hem giyilebilir hem de giyilebilir olmayan sensörler kullanarak hareket analizine ilişkin çalışmaları bildiren toplam 25 makale yer aldı. Ek olarak, bu çalışmalar sınıflandırma, teşhis ve izleme amaçları için DL ağlarını kullandı. Yazarlar, giyilebilir sensörlerden gelen sinyalleri analiz etmek ve videolardan hareket analizi için tahmin ağları oluşturmak için evrişimsel sinir ağlarının PD alanında geniş bir istihdam olduğunu göstermektedir. Buna ek olarak, yazarlar mevcut zorlukları tartışmakta ve PD izleme ve hastalık ilerlemesi için gelecekteki çözümleri vurgulamaktadır.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is the second most common movement disorder in the world. It is characterized by motor and non-motor symptoms that have a profound impact on the independence and quality of life of people affected by the disease, which increases caregivers' burdens. The use of the quantitative gait data of people with PD and deep learning (DL) approaches based on gait are emerging as increasingly promising methods to support and aid clinical decision making, with the aim of providing a quantitative and objective diagnosis, as well as an additional tool for disease monitoring. This will allow for the early detection of the disease, assessment of progression, and implementation of therapeutic interventions. In this paper, the authors provide a systematic review of emerging DL techniques recently proposed for the analysis of PD by using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. The Scopus, PubMed, and Web of Science databases were searched across an interval of six years (between 2018, when the first article was published, and 2023). A total of 25 articles were included in this review, which reports studies on the movement analysis of PD patients using both wearable and non-wearable sensors. Additionally, these studies employed DL networks for classification, diagnosis, and monitoring purposes. The authors demonstrate that there is a wide employment in the field of PD of convolutional neural networks for analyzing signals from wearable sensors and pose estimation networks for motion analysis from videos. In addition, the authors discuss current difficulties and highlight future solutions for PD monitoring and disease progression.
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.