基于卷积神经网络的早期帕金森病的检测,使用6分钟步行测试

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:

• 帕金森病 (PD) 诊断是困难的,因为症状异质,特别是在早期阶段.
• 微妙的步态变化是PD的早期指标,但很难客观地检测到.
• 可穿戴式传感器为客观,定量评估运动功能的有希望的途径.

研究的目的:

• 为了评估卷积神经网络 (CNN) 的诊断准确性,使用可穿戴传感器的6分钟步行测试 (6MWT) 数据.
• 为了区分患有早期帕金森病 (PD) 的人与健康对照人.
• 为了确定特定的身体部分和传感器数据最有效的PD检测.

主要方法:

• 参与者 (78名早期PD患者,50名健康对照) 在6MWT期间佩戴了6个传感器.
• 时间序列传感器数据 (陀螺仪,加速度计) 被转化为图像表示.
• 卷积神经网络 (CNN) 模型经过训练和验证,根据传感器数据对PD进行分类.

主要成果:

• 来自腰椎的陀螺垂直元件产生了最高的分类准确度 (83.5%).
• 胸脊 (83.1%) 和右大腿 (79.5%) 段的高精度也被观察到.
• 这些发现突显了基于传感器的特定步态参数对于PD检测的潜力.

结论:

• 6MWT与CNN对可穿戴传感器数据的分析相结合,显示了早期PD诊断的巨大潜力.
• 这种方法可能使步态异常在进展过程中能够及时进行临床干预.
• 使用可穿戴技术的客观步态分析可以帮助监测PD症状和治疗反应.