深度学习和步态分析在帕金森病中的作用:系统性审查

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) 是一种普遍存在的运动障碍,影响患者的独立性和护理人员的负担.
• 需要客观,定量方法来诊断,监测和治疗PD.
• 使用深度学习 (DL) 的步态分析显示出有助于PD临床决策的前景.

研究的目的:

• 系统地审查用于帕金森病分析的新兴DL技术.
• 评估DL在步态数据分析中对PD的应用.
• 确定基于DL的PD监测中的当前挑战和未来方向.

主要方法:

• 系统的文献审查遵循PRISMA指南.
• 在Scopus,PubMed和Web of Science数据库中进行了搜索 (2018-2023年).
• 包括25篇关于使用可穿戴/非可穿戴传感器和DL网络进行PD运动分析的文章.

主要成果:

• 深度学习 (DL) 网络越来越多地用于PD分类,诊断和监测.
• 卷积神经网络 (CNN) 是用于分析可穿戴传感器数据的常见.
• 姿势估计网络对于PD患者视频数据的运动分析是有效的.

结论:

• 深度学习 (DL) 为帕金森病 (PD) 的诊断和监测提供了一个有希望的定量方法.
• 需要进一步的研究来应对当前的挑战,并优化PD进展评估的DL应用程序.
• DL技术,特别是CNN和姿势估计,显示了改善PD患者护理的巨大潜力.