Automated UPDRS Gait Scoring Using Wearable Sensor Fusion and Deep Learning.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Parkinson hastalığının (PD) kantitatif değerlendirmesi, tanı, tedavi ve rehabilitasyona rehberlik etmek için kritik öneme sahiptir. Konvansiyonel klinik değerlendirmeler-birleşik Parkinson Hastalığı Değerlendirme Ölçeği (UPDRS) gibi manuel derecelendirme ölçeklerine büyük ölçüde bağımlıdır- zaman alıcıdır ve oranlararası değişkenliğe eğilimlidir. Bu çalışmada, tam otomatik bir UPDRS gait-scoring çerçevesi önermekteyiz. Yöntemimiz (a) yüzey elektromiyografisi (EMG) sinyallerini ve (b) atalet ölçüm birimi (IMU) verilerini tek bir derin öğrenme modelinde birleştirir. Uçtan uca ağımız, üç özel daldan oluşur - bir teşhis kafası, bir değerlendirme kafası ve klinisyenler tarafından gerçekleştirilen çok boyutlu değerlendirmeleri taklit etmek için özelleştirilmiş bir füzyon algılama modülü aracılığıyla denge başı çıktıları entegre edilir. Sistemimizi 21 PD hastasında ve sağlıklı kontrollerde, alt ekstremitelerde dört kanallı EMG dizisi ve 2 şaft monteli IMU'lar giyerken basit bir yürüyüş görevi yerine getirdik. Ortalama sınıflandırma doğruluğu UPDRS seviyeleri 0-2 arasında %92,8'dir. Bu yaklaşım, objektifliği geliştirirken geleneksel UPDRS değerlendirmeleriyle ilişkili klinisyen iş yükünü önemli ölçüde azaltan asgari konu çabası ve sensör kurulumu gerektirir. Sonuçlar, hem klinik hem de ev ortamında hızlı, güvenilir PD yürüyüş değerlendirmesi yapmak için giyilebilir sensör odaklı derin öğrenme yöntemlerinin potansiyelini göstermektedir.

Özgün kaynak özetini okuyun

The quantitative assessment of Parkinson's disease (PD) is critical for guiding diagnosis, treatment, and rehabilitation. Conventional clinical evaluations-heavily dependent on manual rating scales such as the Unified Parkinson's Disease Rating Scale (UPDRS)-are time-consuming and prone to inter-rater variability. In this study, we propose a fully automated UPDRS gait-scoring framework. Our method combines (a) surface electromyography (EMG) signals and (b) inertial measurement unit (IMU) data into a single deep learning model. Our end-to-end network comprises three specialized branches-a diagnosis head, an evaluation head, and a balance head-whose outputs are integrated via a customized fusion-detection module to emulate the multidimensional assessments performed by clinicians. We validated our system on 21 PD patients and healthy controls performing a simple walking task while wearing a four-channel EMG array on the lower limbs and 2 shank-mounted IMUs. It achieved a mean classification accuracy of 92.8% across UPDRS levels 0-2. This approach requires minimal subject effort and sensor setup, significantly cutting clinician workload associated with traditional UPDRS evaluations while improving objectivity. The results demonstrate the potential of wearable sensor-driven deep learning methods to deliver rapid, reliable PD gait assessment in both clinical and home settings.

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.