使用非标准视频检测帕金森病的症状

科学领域:

• 计算神经科学是一种计算神经科学.
• 医学成像分析分析 医学成像分析
• 机器学习在医疗保健中的应用

背景情况:

• 像帕金森病 (PD) 这样的神经退行性疾病需要经常监测运动症状.
• 使用机器学习的自动视频分析可以跟踪运动症状,但通常需要专门的设备.
• 这限制了当前技术在家庭环境中的应用.

研究的目的:

• 从临床评估的非结构化视频中开发一种检测PD症状的方法.
• 为了能够在没有专门的设备或严格的记录程序的情况下检测症状.
• 为了促进对帕金森病患者的运动功能的远程监测.

主要方法:

• 利用了28名帕金森病患者的视频数据,他们执行了运动任务 (手指到鼻子,手伸手).
• 采用PIXIE模型来跟踪关节位置和移动.
• 训练有素的随机森林和支持向量机分类器在衍生运动特征上检测PD症状.

主要成果:

• 一个支持向量机器分类器在指到鼻子任务中获得了F1得分0.93.
• 一个随机的森林分类器在指到鼻的任务中获得了F1得分0.85.
• 对于手头前置-后置任务的分类器表现较差 (F1分数为0.20和0.33).

结论:

• 证明了视频分析的可行性,用于从不同角度跟踪运动症状,而不需要专门的设备.
• 突出了特定任务的性能变化,表明了未来改进的领域.
• 这项技术可以提高PD监测的可访问性,潜在地提高远程医疗和临床结果.