可穿戴传感器和人工智能用于诊断帕金森病

科学领域:

• 生物医学工程 生物医学工程
• 人工智能在医学中的应用
• 神经科学是一个神经科学.

背景情况:

• 帕金森病 (PD) 的诊断和康复可以通过先进的人类活动识别 (HAR) 来改进.
• 可穿戴传感器和人工智能为客观评估运动障碍提供了一个有希望的方法.

研究的目的:

• 开发一种概念验证的人工智能模型,以使用可穿戴传感器数据将病态PD运动与健康运动区分开来.
• 确保开发的HAR系统的临床相关性和患者安全.
• 为了评估模型在受控低重力环境中的性能.

主要方法:

• 采集了8名PD患者和1名健康人群的运动数据,使用带有惯性传感器的Motigravity平台.
• 通过自动细分和排除质量差的数据预处理信号.
• 训练了一种混合卷积神经网络-长期短期记忆 (CNN-LSTM) 模型用于运动模式分类,提取空间和时间特征.

主要成果:

• 该CNN-LSTM模型在分类运动方面实现了100%的验证准确性.
• 引力系统提高了数据可靠性和患者安全.
• 尽管存在阶级不平衡,但该模型保持了完美的准确性,表明了强大的概括潜力.

结论:

• 人工智能和可穿戴传感器显示出改善基于HAR的PD运动障碍分类的巨大潜力.
• 需要对更大的队列进行进一步的研究和现实世界的验证,以提高临床影响.
• 将该模型扩展到其他神经退行性疾病,并将其整合到临床工作流程中是未来的方向.