AiCarePWP:基于深度学习的新型研究,用于在帕金森病中预测走路结
Hemant Ghayvat1, Muhammad Awais2, Rebakah Geddam3
1Department of Computer Science and Media Technology, Faculty of Technology, Linnaeus University, Växjö, 351 95, Sweden.
Computer methods and programs in biomedicine
|June 21, 2024
概括
这项研究介绍了一种使用人工智能的可穿戴设备,用于预测和预防帕金森病 (PD) 患者的步行结 (FoG). 电刺激用于改善步态和减少FOG发作.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 走路结 (FoG) 是帕金森病 (PD) 的严重运动症状,导致跌倒和降低生活质量.
- 准确评估FoG对于管理PD患者的病情至关重要.
研究的目的:
- 开发和验证可穿戴设备 (AiCarePWP),用于预测和预防PD患者的FoG发作.
- 利用人工智能和传感器数据来检测步行参数并预防性地刺激运动.
主要方法:
- 使用加权模糊逻辑控制器,卡尔曼波器和凯泽-梅耶-奥尔金测试来分析步态参数.
- 装有3D加速度计和电刺激器的脚部内的AiCarePWP设备收集了惯性和脚部压力数据.
- 一个卷积神经网络 (CNN) 模型评估了47个步态特征,主要组件分析用于因子提取.
主要成果:
- 美国有线电视新闻网 (CNN) 的模型有效地区分了休息,站立和走路条件,使用步态特征.
- 在基于灵敏度,特异性和精度的分析后,保留了37个步态特征.
- 该研究证明了AI在检测各种活动期间FoG的有效性.
结论:
- 该研究验证了CNN在FoG检测中的有效性,并引入了一种新的电刺激提示方法.
- 这种人工智能驱动的方法改善了步行功能,并减少了PD患者的FOG发病率.
- 可靠的AIoT和AIoMT可穿戴设备的开发支持FoG的干预.
