快速Eval帕金森症:一个即时的深度学习辅助的基于视频的在线系统,用于帕金森症运动症状评估

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 医疗保健中的人工智能

背景情况:

• 统一帕金森病评级表 (MDS-UPDRS) 评估了勃拉迪基尼西亚,但无法捕捉整天的症状变化.
• 目前评估帕金森病 (PD) 运动症状的方法通常仅限于临床环境.
• 需要在患有PD和相关疾病的个体中对勃拉迪基尼西亚进行客观,持续的监测.

研究的目的:

• 介绍FastEval帕金森症,这是一个基于深度学习的视频系统,用于评估布拉迪基尼西亚严重程度.
• 评估系统在区分帕金森病 (PD),非典型帕金森症 (APD),轻度帕金森症症状 (MPS) 和健康对照 (HCs) 的准确性.
• 通过视频分析确定用于量化PD中的运动性能的关键参数.

主要方法:

• 开发一种使用扩展卷积神经网络的深度学习模型.
• 在PD,APD,MPS和HC组的186个个体的840个指纹视频中训练模型.
• 纳入数据增强技术,以提高模型的稳定性.
• 使用可接受准确度 (AAC) 验证系统性能,并分析频率强度 (FI) 值.

主要成果:

• 深度学习模型在分类运动性能方面实现了 88.0% 和 81.5% 的可接受准确率 (AAC).
• 来自指-食指距离的频率强度 (FI) 值被确定为量化布拉迪基尼西亚的关键参数.
• 该系统证明了使用多角度视频的可用性,通过对300多名PD患者的外部数据集进行验证.

结论:

• FastEval Parkinsonism提供了一种可靠的基于视频的方法,用于评估帕金森病 (PD) 和相关疾病中的布拉迪基尼西亚严重程度.
• 该系统提供客观,可量化的数据,可以补充传统的临床评估.
• 这项技术有可能在现实环境中改善运动症状的监测和管理.