相关实验视频
Updated: Jul 1, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
用可穿戴传感器检测和预测帕金森病中步伐结的算法的改进
Allison M Haussler1, Lauren E Tueth1, David S May1
1Program in Physical Therapy, School of Medicine, Washington University in St. Louis, St. Louis, MO 63108, USA.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
研究人员改进了一种可穿戴传感器算法,以更好地检测和预测帕金森病 (PD) 中的步态结 (FOG). 虽然预测是可能的,但减少假阳性和优化传感器设置是临床使用的关键.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
背景情况:
- 步态结 (FOG) 是帕金森病 (PD) 的一个具有挑战性的症状.
- 评估FOG是很困难的,因为它的情节性和可变性.
- 可穿戴式传感器和算法提供客观的FOG数据,但需要精细化进行预测.
研究的目的:
- 改进现有的pFOG算法,以改善FOG检测和预测.
- 评估当前算法的预测能力.
- 评估FOG诱导任务和采样率对检测准确性的影响.
主要方法:
- 利用以前收集的数据来分析pFOG算法.
- 评估了算法对即将到来的FOG事件的预测能力.
- 评估了特定的FOG评估任务 (Go Out和Turn-Dual Task,360-Dual Task) 和不同的采样速率 (60 Hz与30 Hz).
主要成果:
- 该pFOG算法证明了预测FOG事件的能力,尽管具有高的假阳性率.
- 出门和转身双重任务在引起FOG方面最有效,而360双重任务导致了最长的FOG持续时间.
- 检测精度在60 Hz时保持稳定,但在30 Hz时显著下降.
结论:
- 对于预测帕金森病中的FOG,pFOG算法显示出有希望的结果.
- 优化FOG诱导任务和保持适当的采样速率 (例如60Hz) 对于临床实用性至关重要.
- 需要进一步改进,以减少错误阳性并增强算法的FOG管理的预测能力.
