基于波形的头分析,使用2D视频的无标记器追踪算法: sinus-idality和节奏性的评估
Jung Hwan Shin1, Seungmin Lee1, Kyung Ah Woo1
1Department of Neurology, Seoul National University Hospital, Seoul National University, Seoul, South Korea.
概括
这项研究引入了一种新的视频分析方法,以客观地测量震的节奏性和鼻性. 这种方法有效地区分了基本震与宫 dystonia,提供了一个新的诊断工具.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 由于主观的临床评估和重叠的特征,震的分类具有挑战性.
- 需要对的特征进行客观测量,例如节律性和侧腔性.
研究的目的:
- 引入一种新的基于视频的波形分析,用于客观地评估震.
- 用定义的指数量化震的节奏性和侧面性.
- 为了验证该方法,并区分基本震 (ET) 和宫 dystonia (CD).
主要方法:
- 开发的基于视频的指数:高峰间隔变化系数 (CVIPI) 用于节律性和斜率-折叠比率用于 sinus-idality.
- 在13名CD患者的陀螺仪测量中得到验证.
- 应用于28名CD和22名ET患者的档案视频.
主要成果:
- 基于视频的指数与陀螺仪数据显示出很好的一致性 (频率为ICC=0.99,阴侧度为ICC=0.93).
- 节奏性指数显示出良好的可靠性 (ICC=0.86).
- 与ET病例相比,CD病例表现出明显较低的节律性和侧腔性,形成不同的群体,CD的准确率为82.1%,ET的准确率为63.6%.
结论:
- 基于视频的波形分析提供了一个客观的工具来评估震的节奏性和状性.
- 该方法可以客观地描述综合征.
- 鉴定出的明显的波形特征突出显示了ET和CD震中的变化.
