使用运动捕捉系统的动力学数据,自动分类异常性帕金森病

科学领域:

• 神经科学是一个神经科学.
• 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) 是一种流行的神经退行性疾病,在全球影响超过1000万.
• 目前的PD诊断依赖于主观的运动评估,缺乏客观性和量化.
• 基于传感器的技术为客观,可量化的疾病进展监测提供了潜力.

研究的目的:

• 通过动力学数据提出一种用于自动检测帕金森病的新方法.
• 建立一个新的数据库,用于使用运动捕捉技术分析PD.
• 评估各种分类系统的性能,包括基于变压器的模型,用于PD检测.

主要方法:

• 收集了37名帕金森病患者和15名健康对照者的运动数据,使用惯性测量单位 (IMU) 和行走时的光谱.
• 采用了五种分类系统,包括一种新的基于变压器的模型 (TabFPN) 和经典算法,以区分PD患者和对照组.
• 对比了PD检测不同分类方法的性能.

主要成果:

• TabFPN模型在自动区分患有和没有帕金森病的个体方面表现出强的表现.
• 达到高达78%的分类准确度.
• 获得了89%的曲线下接收器运行特征面积 (ROC-AUC).

结论:

• 采用动力学数据和TabFPN模型的拟议方法表明客观检测帕金森病的巨大潜力.
• 基于传感器的动力学分析为改善帕金森病诊断过程提供了一个有希望的途径.
• 需要进一步的研究和验证,以将这项技术纳入临床实践.