Screening for Parkinson's disease using "computer vision".

Araştırma özeti

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

Arka planBradykineziyi tanımlamak Parkinson hastalığını (PD) teşhis etmek için çok önemlidir. Geleneksel olarak, hekimler tarafından öznel değerlendirmelere dayanan parmak çekme testi kullanılmıştır. Bilgisayar görüşü Parkinson hastalığını değerlendirmek için temassız ve uygun maliyetli bir alternatif sunar.ObjectiveBu çalışma, parmak-takma testinde bilgisayar görüşü kullanarak bradikineziyi tanımlayarak ve her iki el için makine öğrenme teknikleri uygulayarak Parkinson hastalığını tespit etmeyi amaçladı.MetodlarPD ve sağlıklı kontrolleri olan 100 hastayı işe aldık. Dört nörolog bradikineziyi değerlendirdi ve 10 saniyelik akıllı telefon kayıtlı parmak çekme hareketleri Google MediaPipe Hands yazılımı kullanılarak analiz edildi. Altı makine öğrenimi modeli, yuvalanmış çapraz doğrulama çerçevesi kullanılarak eğitildi.SonuçlarSol ve sağ eller arasındaki puanları vurmadaki farklılıklar, PD grubunda (2.8 (5.0) vs 0.4 (0.7), p = 0.001) sağlıklı kontrollerden önemli ölçüde daha fazlaydı. Ayrıca, vurma genliği varyasyonu ve PD grubundaki tüm genlik decremental parametreleri, standart kontrollerden önemli ölçüde farklıydı. PD grubu, normal deneklerden (sağda: 17.9 (7.8) / solda: 17.9 (5.6) ve sağda: 24.6 (7.3) / solda: 24.6 (7.2), p SonuçBir bilgisayar görme yöntemi, her iki elin aynı anda dokunmasını içeren parmak vuruş yönteminden gelen dokunma özelliğini kullanarak bradikineziyi doğru bir şekilde tespit edebilir.

Özgün kaynak özetini okuyun

BackgroundIdentifying bradykinesia is crucial for diagnosing Parkinson's disease (PD). Traditionally, the finger-tapping test has been used, relying on subjective assessments by physicians. Computer vision offers a non-contact and cost-effective alternative for assessing Parkinson's disease.ObjectiveThis study aimed to detect Parkinson's disease by identifying bradykinesia using computer vision in the finger-tapping test and applying machine learning techniques for both hands.MethodsWe recruited 100 patients with PD and healthy controls. Four neurologists assessed bradykinesia, and 10-second smartphone-recorded finger-tapping movements were analyzed using Google MediaPipe Hands software. Six machine learning models were trained using a nested cross-validation framework.ResultsThe differences in tapping scores between the left and right hands were significantly greater in the PD group (2.8 (5.0) vs 0.4 (0.7), p = 0.001) than in the healthy controls. Moreover, the tapping amplitude variation and all amplitude decremental parameters in the PD group differed significantly from those of the standard controls. The PD group had significantly lower tapping scores than the normal subjects (right: 17.9 (7.8)/ left: 17.9 (5.6) vs. right: 24.6 (7.3)/ left: 24.6 (7.2), p ConclusionsA computer vision method can accurately detect bradykinesia using the tapping feature from the finger-tapping method, which involves the simultaneous tapping of both hands.

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.