为了有效地管理和治疗PD患者的震颤,迫切需要一种可以准确地连续测量震颤的方法,而无需患者在他们日常活动中执行特定任务。研究人员正在教授这项工作。它们已经开发出算法,即与可穿戴传感器结合,可以连续监控患者并估计总帕金森震颤,因为它们在自然环境中执行了各种自由身体运动。
研究结果表明,这种新方法具有很大的潜力,可以提供全天患者震颤的全频谱。“在医生办公室里进行的一次临床检查往往不能捕捉到患者日常生活中所有的震颤,”佛罗里达大西洋大学计算机、电气工程和计算机科学系的助理教授、资深作者Behnaz Ghoraani博士说。“结合机器学习算法的可穿戴传感器,可以在家里或其他地方使用,根据患者在运动模式中表现的方式,来评估其颤抖的严重程度。”
目前使用的大多数方法都是任务依赖的,要求患者执行标准化的任务,就像在评定量表中使用的那样。此外,由于基础算法的局限性,这些方法只能提供中等到良好的性能,以表征来自患者自由肢体运动的震颤模式。
加拉尼和她在西奈山和罗切斯特大学医学院和罗切斯特大学医学院的合作者想要测试机器学习算法可以在日常生活活动中跟踪和量化休息震颤的想法,并将节奏从正常活动中分开无需表现任何标准化的任务。
对于研究来说,研究人员调查了两个机器学习算法的应用:梯度树提升和基于LSTM的深度学习。这些方法使用来自PD患者最受影响的手腕和脚踝的两个陀螺仪传感器的数据自动估计震颤严重程度(休息和动作)。他们收集了数据,同时患者进行了各种活动,如行走,休息,吃和穿衣服。
研究结果表明,梯度树升压方法估计总震颤以及高精度的静置震颤子评分,并且在大多数情况下,使用UPDR估计相同的结果。这种方法还表明患者在患者服用药物后的震颤率下降,即使在结果与UPDRS评估中的总震颤子分数不匹配。另一方面,基于LSTM的方法提供了较低的性能。
“特别有趣的是,我们开发的方法仅使用手腕和脚踝上的一个传感器就成功地检测到手和腿的颤抖,”合著者、FAU计算机与电气工程和计算机科学系的博士生Murtadha D. Hssayeni说。
这种新方法在UPDRS任务相关方法和迄今为止文献报道的所有任务无关的地震估计方法中具有最高的性能。“这一发现很重要,因为我们的方法能够提供更好的时间分辨率来估计地震,从而提供地震随时间变化的全光谱测量,”Ghoraani说。
来源:佛罗里达大西洋大学