NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Amaç Parkinson hastalığında (PD) tekrarlayan görevler sırasında ritmik düzensizlik derecesini, objektif cihazlar tarafından kaydedilen vücut parçası hareketlerinin periyodikliğinde seri pertürbasyon elde etmek için otokorelasyon kullanarak değerlendirmek için yeni bir yöntem önermeyi amaçlıyoruz. Yöntemler Bir bacak çevikliği görevi veya pronasyon-supinasyon görevi sırasında kaydedilen halka açık dağıtılmış sıralı eklem hareketi verilerini kullandık. Vücut parçası yörünge dizileri, kısa süreli otokorelasyon (STACF) matrislerini çıkarmak için işlendi; Katılımcılar tarafından yürütülen tek görev dizileri daha sonra STACF temsilleri açısından benzerliklerine göre iki kümeye ayrıldı. Her görev için puanlanan Birleşik Parkinson Hastalığı Değerlendirme Ölçeği, kümelemenin ayrımcılık performansını değerlendirmek için eğrinin altındaki alanı (AUC) elde etmek için küme üyeliği ile karşılaştırıldı. AUC'yi ham dizi veya kısa süreli Fourier dönüşümü (STFT) kümelenmesinden elde edilenlerle karşılaştırdık. Sonuçlar Bacak çevikliği görevi sırasında dizdeki poz tahmini tabanlı yörünge verilerinin sınıflandırılmasında, AUC, STACF dizisinin 0.815'e kadar olan diğer dizi türleri yerine kümelenme için kullanıldığında en yüksek değerdi ve verilerin orijinal analizinde bildirilen sonuçlarla karşılaştırılabilir. bizimkinden farklı bir yaklaşım kullanarak. Ek olarak, pronasyon-supinasyon görevi sırasında bileğin ivmeölçer tabanlı yörünge verilerinin başka bir veri kümesini sınıflandırırken, AUC, diğer dizi türlerinden ziyade STACF kullanılarak kümeleme yapıldığında tekrar 0.785'e kadar en yüksekti. Sonuç Otokorelasyona dayalı yöntemimiz düzensiz ritimli dizilerin tespitinde adil bir performans elde etti ve daha fazla iyileştirme gerekmesine rağmen, PD'nin düzensiz ritmini, görev türlerine veya cihazların modalitelerine bakılmaksızın nitelendirmek için potansiyel olarak yaygın olarak uygulanabilecek başka bir değerlendirme stratejisi olarak kullanılabileceğini öne sürdü.
Özgün kaynak özetini okuyun
Objective We aim to propose a novel method of evaluating the degree of rhythmic irregularity during repetitive tasks in Parkinson’s disease (PD) by using autocorrelation to extract serial perturbation in the periodicity of body part movements as recorded by objective devices. Methods We used publicly distributed sequential joint movement data recorded during a leg agility task or pronation-supination task. The sequences of body part trajectory were processed to extract their short-time autocorrelation (STACF) matrices; the sequences of single task conducted by participants were then divided into two clusters according to their similarity in terms of their STACF representation. The Unified Parkinson’s Disease Rating Scale sub-score rated for each task was compared with cluster membership to obtain the area under the curve (AUC) to evaluate the discrimination performance of the clustering. We compared the AUC with those obtained from the clustering of the raw sequence or short-time Fourier transform (STFT). Results In classifying the pose estimator-based trajectory data of the knee during the leg agility task, the AUC was the highest when the STACF sequence was used for clustering instead of other types of sequences with up to 0.815, being comparable to the results reported in the original analysis of the data using an approach different from ours. In addition, in classifying another dataset of accelerometer-based trajectory data of the wrist during a pronation-supination task, the AUC was again highest up to 0.785 when clustering was performed using the STACF rather than other types of sequence. Conclusion Our autocorrelation-based method achieved a fair performance in detecting sequences with irregular rhythm, suggesting that it might be used as another evaluation strategy that is potentially widely applicable to qualify the disordered rhythm of PD regardless of the kinds of task or the modality of devices, although further refinement is needed.
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.