在帕金森病中评估行走功能障碍的严重程度,使用2流空间时间神经网络

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 帕金森病 (PD) 是一种神经退行性疾病,影响全球数百万人,其特点是多巴胺缺乏和明显的步态障碍.
• 目前的诊断工具,如MDS-UPDRS和H&Y尺度是主观的,耗时的,并且在早期检测方面有限.
• 现有的基于传感器的方法通常是繁和昂贵的,阻碍了广泛的可访问性.

研究的目的:

• 用视频分析开发一种新的,可访问的,准确的方法来评估帕金森病的步行功能障碍.
• 引入一个双流时空神经网络 (2S-STNN) 以基于步态模式对PD进行分类.
• 确定关键的步行属性和身体区域,对PD评估至关重要.

主要方法:

• 采用使用双流时空神经网络 (2S-STNN) 的层次方法,用于从视频数据中进行PD步态分析.
• 2S-STNN模型处理了来自骨架和轮流的时空特征.
• Saliency 值被用来确定身体的关键区域,并分析了 21 个特定的步态属性.

主要成果:

• 2S-STNN模型在分类帕金森病步行功能障碍方面取得了89%的准确率.
• 该模型在准确性方面超过了现有的最先进的方法.
• 关键步行参数包括步行速度,步骤长度和部前进角度显示与PD严重程度有很强的相关性.

结论:

• 开发的基于视频的2S-STNN为评估和监测帕金森病步行障碍提供了全面和方便的解决方案.
• 这种方法提高了诊断精度和临床环境中的可访问性.
• 识别关键的步态属性为个性化的PD管理提供了宝贵的见解.