开发一种新的可穿戴设备来描述手的特征
Basilio Vescio1, Marida De Maria2, Marianna Crasà2
1Biotecnomed S.C.aR.L., Viale Europa, 88100 Catanzaro, Italy.
Bioengineering (Basel, Switzerland)
|September 28, 2023
概括
这项研究介绍了一种可穿戴设备,RT-Ring,它使用惯性数据通过分析休息震 (RT) 模式来区分帕金森病 (PD) 和基本震 (ET). 机器学习模型准确地预测了交替或同步的肌肉收缩,有助于的诊断.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 可穿戴技术可穿戴技术
背景情况:
- 休息 (RT) 是帕金森病 (PD) 和基本 (ET) 的常见症状.
- 目前的差异化方法依赖于表面电肌图 (EMG),这对非专家来说可能是复杂的.
- PD震显示轮流的肌肉收缩,而ET震显示同步的收缩.
研究的目的:
- 利用惯性数据开发一种新的可穿戴设备和方法来区分交替和同步RT模式.
- 提供一个用户友好的,可访问的工具,以区分PD和ET基于震特征.
主要方法:
- 开发"RT-Ring",这是一款带有六轴惯性测量单元和蓝牙低能微处理器的可穿戴设备.
- 通过移动应用程序获取数据,在远程服务器上使用机器学习 (ML) 模型进行震动模式预测.
- 利用XGBoost和随机森林决策树算法,训练在惯性数据特征上.
主要成果:
- 该RT-Ring装置成功地区分了交替 (PD类) 和同步 (ET类) 的RT模式.
- XGBoost实现了92%的分类准确性,而随机森林在验证集上实现了89%的准确性.
- 分类结果在几秒钟内在移动应用程序上显示.
结论:
- 这项研究证明了使用惯性数据来预测静止震的基础肌肉收缩模式的可行性.
- 与EMG相比,RT-Ring提供了一种非侵入性,可能更容易使用的方法来区分PD与ET.
- 惯性传感器数据为开发神经运动障碍的新生物标志物提供了希望.
