商标3840-480

帕金森患者的福音?新型基于IMU和机器学习的远程帕金森运动筛查设备

帕金森病(PD)患者在美国约有100万人,而全球患者超过1000万人。帕金森病是一种慢性的、不可治愈的疾病退化性疾病,需要临床医生特别是运动障碍方面的专家对患者进行密切监测。医生经常使用标准的临床仪器,如统一帕金森病评分量表(UPDRS)。通常来说,每名帕金森患者每年需要到临床医生诊所进行多次的病情评估。对于帕金森患者来说,这是一个很大的负担。

美国Shehjar Sadhu团队设计了一套基于机器学习的远程健康设备,利用UPDRS任务,远程检测手部运动并进行分类。该系统包含Edge Node和Fog Node。其中Edge Node使用一双智能手套记录手部的活动,其集成了手指弯曲传感器和惯性测量单元(IMU),并将数据无线传输到Fog Node进行分类。Fog Node运行基于机器学习(ML)的活动分类模型,以对基于UPDRS的手部运动任务进行分类。


共有9名志愿者带着智能手套参与了本方案的测试,其中5人为健康人,4名为帕金森患者。同时团队开发并测试了不同的分类模型,如K最邻近法(KNN)、支持向量机(SVM)和决策树(DT),以选择一个最适合用于远程症状评估算法。团队将测试数据拆分为3个子集,分别为训练数据集、测试数据集和验证数据集,数据量占比分别为80%、10%、10%。在SVM模型下训练数据集,测试数据集,验证数据集的准确率分别为94%、93%、93%,在FogNode上平均计算时间为560μs,优于其他模型。

手部数据收集
上肢UPDRS运动(视觉化)
数据处理流程

遗憾的是以上的测试和数据均在实验室环境中进行。期望在未来,该系统能部署到现实生活中,为帕金森患者提供更方便更准确的诊疗。

原文链接:https://www.sciencedirect.com/science/article/pii/S235264832200085X?via%3Dihub