NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Gait'in dondurulması (FOG), Parkinson Hastalığı'nın (PD) ileri aşamalarında hastaların çoğunu etkileyen bir bozukluktur. FOG ani düşmelere ve yaralanmalara yol açarak, hastalar ve aileleri için yaşam kalitesini olumsuz yönde etkileyebilir. Ritmik İşitme Stimülasyonu (RAS), hastaların FOG'dan iyileşmesine ve normal yürüyüşe devam etmesine yardımcı olmak için kullanılabilir. RAS, bir FOG olayının başlangıcı arasındaki gecikme nedeniyle etkisiz olabilir, RAS'ın tespiti ve başlatılmasıdır. FOG tahminini ve tespitini, RAS'ı minimum gecikme ile başlatmada yararlı olacak üç eksenli ivmeölçer sensörlerinden gelen sinyalleri kullanarak yapabilen bir sistem önermekteyiz. Sinyallerden çıkarılan hareketli pencereler, el yapımı özellikler, Tekrarlama Plotları (RP), Kısa Zamanlı Fourier Dönüşümü (STFT), Discreet Wavelet Dönüşümü (DWT) ve Pseudo Wigner Ville Dağıtımı (PWVD) dahil olmak üzere birkaç zaman frekans analizi tekniğinin performansını Derin Öğrenme (DL) tabanlı Uzun Kısa Dönem Bellek (LSTM) ve Convolutional Neural Ağları (CN) ile karşılaştırdık. Ayrıca, tüm zaman frekans gösterimlerini ve DL mimarilerini birleştiren üç Ensemble Ağ Mimarisi sunuyoruz. Deneysel sonuçlar, topluluk mimarilerimizin mevcut tekniklerle karşılaştırıldığında performansı önemli ölçüde artırdığını göstermektedir. Ayrıca A.T. ile işbirliği içinde giyilebilir sensörler kullanan hastalardan toplanan verilere kamuya açık veri seti üzerinde eğitim almış yöntemimizin uygulanmasının sonuçlarını sunuyoruz. Hala Üniversite.
Özgün kaynak özetini okuyun
Freezing of Gait (FOG) is an impairment that affects the majority of patients in the advanced stages of Parkinson’s Disease (PD). FOG can lead to sudden falls and injuries, negatively impacting the quality of life for the patients and their families. Rhythmic Auditory Stimulation (RAS) can be used to help patients recover from FOG and resume normal gait. RAS might be ineffective due to the latency between the start of a FOG event, it’s detection and initialization of RAS. We propose a system capable of both FOG prediction and detection using signals from tri-axial accelerometer sensors that will be useful in initializing RAS with minimal latency. We compared the performance of several time frequency analysis techniques, including moving windows extracted from the signals, handcrafted features, Recurrence Plots (RP), Short Time Fourier Transform (STFT), Discreet Wavelet Transform (DWT) and Pseudo Wigner Ville Distribution (PWVD) with Deep Learning (DL) based Long Short Term Memory (LSTM) and Convolutional Neural Networks (CNN). We also propose three Ensemble Network Architectures that combine all the time frequency representations and DL architectures. Experimental results show that our ensemble architectures significantly improve the performance compared with existing techniques. We also present the results of applying our method trained on publicly available dataset to data collected from patients using wearable sensors in collaboration with A.T. Still University.
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.