NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), dünya çapında en yaygın ikinci nörodejeneratif bozukluktur. PD'den muzdarip insanlar, üst ve alt uzuv hareketinin kontrolünü etkileyen motor semptomlar sergilerler. Uygun üst uzuv kontrolüne bağlı olan günlük faaliyetler arasında, esas olarak spiraller, geometrik figürler, kıvrımlı çizgiler ve diğerleri gibi semantik olmayan çizimleri göz önünde bulundurarak, son teknoloji araştırmalarında incelenen el yazısı işlemidir. Amaçlar: Bu makale, PD hastaları ve sağlıklı kontrol konuları arasında otomatik olarak ayrım yapmak için 0 ila 9 arasındaki basamakların el yazısı sürecini modellemenin uygunluğunu analiz eder. Ana hipotez, bu sayıların modellenmesinin, üst uzuv kontrolünün daha doğal bir değerlendirmesine izin verdiğidir. Yöntemler: İki yaklaşım göz önünde bulundurulur: dijital tablet tarafından toplanan vuruşlardan kaynaklanan görüntülerin modellenmesi ve vuruşları gerçekleştirirken dijital tabletin verdiği zaman serisinin modellenmesi, yani zamana bağlı sinyaller. İlk yaklaşım, CNN tabanlı bir mimarinin ince ayarlanmasıyla uygulanırken, ikinci yaklaşım, zaman serisinde ölçülen el yapımı özelliklere, yani basınç ve kinematik ölçümlere dayanmaktadır. Zamana bağlı sinyallerden çıkarılan özellikler, biri istatistiksel işlevselliğe, diğeri ise Gaussian Mixture Modelleri (GMM'ler) oluşturmaya dayanan iki stratejiyi izleyerek temsil edilir. Sonuçlar: Deneyler, fonksiyonellerle modellenen basınç bazlı özelliklerin en yüksek doğruluğu sağlayan özellikler olduğunu, PD ile ilgili semptomların görüntülere dayalı dinamik yaklaşımlarla daha iyi modellendiğini göstermektedir. Sonuç: Dinamik yaklaşım, görüntü tabanlı modelden daha iyi performans göstererek, zaman içinde toplanan sinyallerle modellenen yazma sürecinin, motor semptomları el yazısından kaynaklanan görüntülerden daha net bir şekilde ortaya koyduğunu göstermektedir. Bu bulgu, son teknoloji araştırmadaki önceki sonuçlarla uyumludur ve PD semptomlarını tespit etmek ve izlemek için daha doğru ve bilgilendirici yöntemler oluşturmak için bir adım oluşturur.
Özgün kaynak özetini okuyun
Background: Parkinson's disease (PD) is the second most prevalent neurodegenerative disorder worldwide. People suffering from PD exhibit motor symptoms that affect the control of upper and lower limb movement. Among daily activities that depend on proper upper limb control is the handwriting process, which has been studied in state-of-the-art research, mainly considering non-semantic drawings like spirals, geometric figures, cursive lines, and others. Objectives: This paper analyzes the suitability of modeling the handwriting process of digits from 0 to 9 to automatically discriminate between PD patients and healthy control subjects. The main hypothesis is that modeling these numbers allows a more natural evaluation of upper limb control. Methods: Two approaches are considered: modeling of the images resulting from the strokes collected by the digital tablet and modeling of the time series yielded by the digital tablet while performing the strokes, i.e., time-dependent signals. The first approach is implemented by fine-tuning a CNN-based architecture, while the second approach is based on hand-crafted features measured upon the time series, namely pressure and kinematic measurements. Features extracted from time-dependent signals are represented following two strategies, one based on statistical functionals and the other one based on creating Gaussian Mixture Models (GMMs). Results: The experiments indicate that pressure-based features modeled with functionals are the ones that yield the highest accuracy, indicating that PD-related symptoms are better modeled with dynamic approaches than those based on images. Conclusions: The dynamic approach outperformed the image-based model, indicating that the writing process, modeled with signals collected over time, reveals motor symptoms more clearly than images resulting from handwriting. This finding is in line with previous results in the state-of-the-art research and constitutes a step forward to create more accurate and informative methods to detect and monitor PD symptoms.
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.