从帕金森病的手指敲击测试中,基于视频的可解释和粒度的运动特征量化

科学领域:

• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉
• 神经学 神经学

背景情况:

• 帕金森病 (PD) 的诊断和监测依赖于对运动功能的主观临床评估.
• 标准的手指敲击测试捕捉了关键的运动特征,但容易发生评分间的变化.
• 需要客观,定量方法来改善PD运动缺陷的评估.

研究的目的:

• 开发和验证基于计算机视觉的框架,从视频记录中客观量化帕金森病中的颗粒状运动特征.
• 识别和表征特定的运动缺陷,包括低运动,勃拉迪基尼西亚,序列效应和犹停止.
• 训练机器学习模型来预测临床严重性得分,并与现有方法比较性能.

主要方法:

• 开发了一种计算机视觉方法,从手指点击视频录制中提取四组临床相关特征.
• 用varimax轮换的主要成分分析 (PCA) 来分析特征与临床缺陷的对齐.
• 机器学习分类器使用提取的特征进行训练,以预测运动障碍学会统一帕金森病评分表 (MDS-UPDRS) 的得分.

主要成果:

• 提取的特征表明与帕金森病中的四个临床定义的运动缺陷保持一致,揭示了更细微的基层结构.
• 与最先进的方法相比,机器学习模型在预测MDS-UPDRS手指敲击严重性得分方面取得了更高的准确性.
• 一个大规模的数据集由4073个手指点击视频录制创建并提供.

结论:

• 拟议的计算机视觉框架为评估帕金森病运动特征提供了一种实用和客观的方法.
• 这种方法减少了临床评估中的主观性,并且在临床和远程环境中都有潜在的应用.
• 需要进一步的研究来评估该框架对治疗和疾病进展的响应能力.