一种计算机辅助的查解决方案,用于通过利用多域特征来从站立平衡中识别糖尿病神经病变

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 糖尿病学 糖尿病学

背景情况:

• 糖尿病神经病变 (DN) 诊断对于及时干预至关重要.
• 早期发现DN对于减缓疾病进展至关重要.
• 目前的诊断方法可能无法有效地捕捉早期神经病变.

研究的目的:

• 评估站立平衡任务,以识别糖尿病神经病变.
• 开发用于区分DN阶段的诊断途径.
• 评估压力中心 (COP) 分析在DN检测中的实用性.

主要方法:

• 从非神经病 (NN),无症状神经病 (AN) 和症状神经病 (SN) 糖尿病患者收集的COP数据.
• 从不同领域的COP轨迹中提取的特征.
• 将kNN分类器的多数投票组合应用于组合的COP信息.

主要成果:

• 在区分NN,AN和SN患者的3类任务中获得了>86%的准确性.
• 在识别症状与无症状神经病变时达到>97%的准确性.
• 显示出高灵敏度,没有无症状患者在第二条途径中错过.

结论:

• 使用COP特征进行常态资产负债表分析是DN识别的可靠方法.
• 这种方法对糖尿病神经病变的早期检测和分期有希望.
• 这些发现支持开发用于神经病症诊断的临床工具.