基于智能手机的数字化神经检查工具箱,用于多测试的神经异常检测和文档

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 数字健康数字健康

背景情况:

• 数字生物标志物对于解释计算机辅助的神经学检查至关重要.
• 推进数字健康工具需要理解基于视觉的人类运动分析.

研究的目的:

• 分析帕金森病 (PD) 和其他神经系统疾病 (OD) 的数字化神经检查 (DNE) 生物标志物.
• 引入DNE-113数据库和生物标志物评估的开源pyDNE工具箱.

主要方法:

• 收集了来自113名参与者的数据,通过各种神经测试 (手指敲击,前臂滚动等). ) 的情况.
• 将DNE-113数据库集成到pyDNE开源工具箱中.
• 评估了DNE生物标志物质量和分辨力,用于分类神经异常.

主要成果:

• 成功开发和使用了DNE-113数据库和pyDNE工具箱.
• DNE生物标志物在表征神经病患者的异常信号方面表现出显著的区分能力.
• 该研究成功地确定了数字生物标志物在PD和OD检测中的潜在用例.

结论:

• 数字生物标志物在神经疾病中显示出计算机辅助运动分析的前景.
• 在为各种神经疾病构建强大的数字生物标志物方面,仍然存在挑战.
• pyDNE 工具箱有助于创建和评估用于神经评估的数字生物标志物.