结合垂直地面反应力信号分析的特征,用于多类诊断神经退行性疾病

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学

背景情况:

• 神经退行性疾病 (NDDs) 影响全球数以百万计的人,经常带有行走障碍.
• 目前的诊断方法难以区分各种NDD,仅基于步态数据.

研究的目的:

• 开发一种多类分类系统,用于通过步态分析诊断帕金森病 (PD),肌缩侧面硬化症 (AD) 和亨廷顿病 (HD).
• 研究从垂直地面反应力 (VGRF) 信号中提取的疾病特征的有效性,以提高诊断准确度.

主要方法:

• 从VGRF信号中提取特征,使用确定波动分析 (DFA),动态时间扭曲 (DTW) 和自相关 (AC).
• 使用支持矢量机器 (SVM),K-最近邻居 (KNN) 和神经网络 (NN) 的NDD的分类.

主要成果:

• 在一个三类问题 (AD,PD,HD) 中达到93.3%的准确率,在一个四类问题 (包括健康对照) 中达到93.5%.
• 确定了不同的特征性能:AD的DFA,PD的DTW和HD的AC.
• 强调结合疾病特征的重要性,以获得最佳的诊断结果.

结论:

• 步行分析,特别是疾病特异性特征识别,为区分NDD提供了一个有希望的途径.
• 这些发现支持开发用于边缘计算环境的NDD诊断系统,通过利用有限的一组有效功能.