Eines der Markenzeichen der Parkinson-Krankheit (PD) ist Tremor. Diese unfreiwillige Bewegung Störung verringert die Qualität des Lebens durch die Unterbrechung der Patienten-Aktivitäten, wie z.B. das schreiben und Essen. Neurologen routinemäßig Messen Tremor mit Hilfe der Unified Parkinson ‚ s Disease Rating Scale (UPDRS), die Patienten erfordert, um bestimmte Aufgaben auszuführen. Leider ist diese Auswertung basiert auf einer physischen vor-Ort-Prüfung, dass nur eine „Momentaufnahme“ des Patienten tremor Erfahrung in Ihren Tag-zu-Tag Leben.
Um effektiv zu verwalten und Behandlung von Tremor bei PD-Patienten, gibt es eine dringende Notwendigkeit für einen Ansatz, der kontinuierlich gemessen werden kann, Tremor präzise, ohne die Notwendigkeit für die Patienten, bestimmte Aufgaben zu erfüllen, wie Sie gehen über Ihre täglichen Aktivitäten.
Forscher von der Florida Atlantic University ‚ s College of Engineering und Computer Science in Zusammenarbeit mit der Icahn School of Medicine am Mount Sinai und der University of Rochester Medical Center, sind Lehr-und Maschinen erfüllen diese Aufgabe. Sie haben algorithmen entwickelt, die in Kombination mit wearable-sensoren überwachen kontinuierlich die Patienten und Abschätzung der Gesamt-Parkinson-tremor führen Sie eine Vielzahl von freien Bewegungen des Körpers in Ihrer natürlichen Umgebung.
Die Ergebnisse der Studie, veröffentlicht in der Zeitschrift Sensoren, zeigen, dass dieser neue Ansatz birgt ein großes potential für die Bereitstellung einer vollständigen Spektrum der Patienten zu Tremor, der im Laufe des Tages.
„Eine single, die klinische Untersuchung in einer Arztpraxis oft scheitert die Aufnahme eines Patienten vollständige Kontinuum von Tremor in seinem oder Ihrem täglichen Leben“, sagte Behnaz Ghoraani, Ph. D., senior-Autor, ein assistant professor in der FAU ist der Fachbereich informatik und Elektrotechnik und Computer-Wissenschaft, und ein fellow der FAU, Institut für Sensorik und Embedded-Netzwerk-Systemen (ich-GEFÜHL) und FAU Gehirn-Institut (I-GEHIRN). „Wearable-sensoren, kombiniert mit machine-learning-algorithmen, die verwendet werden können zu Hause oder anderswo-für die Schätzung eines Patienten Schweregrad von Tremor basiert auf der Art und Weise, dass es manifestiert sich in Bewegungsmustern.“
Die Mehrheit der existierenden Ansätze, die heute verwendet werden task-abhängig, erfordert die Patienten führen standardisierte Aufgaben, wie die, die in rating-Skalen. Darüber hinaus, diese Ansätze stellen nur mäßig bis gute Leistung, da die Beschränkungen bei den zugrunde liegenden algorithmen zu charakterisieren, tremor-Muster von Patienten, die‘ frei-Körper-Bewegungen.
Ghoraani und Ihre Mitarbeiter testen wollten, die Idee, dass der machine-learning-algorithmen verfolgen konnte und Quantifizierung der Ruhe-tremor in Aktivitäten des täglichen Lebens und separate rhythmisches schütteln von normalen Aktivitäten nachgehen, ohne von der Erfüllung von standardisierten Aufgaben.
Für die Studie, die Forscher untersucht die Anwendung von zwei machine-learning-algorithmen: gradient-Baum-Förderung und LSTM-basierte deep learning. Diese Methoden automatisch geschätzt tremor Schweregrad (Ruhe und action) mit Daten aus zwei Gyroskop-sensoren platziert, die auf PD-Patienten am meisten betroffen ist das Handgelenk, und Knöchel. Sie sammelten Daten, während Patienten durchgeführt, die eine Vielzahl von Aktivitäten wie Wandern, ausruhen, Essen und Ankleiden.
Ergebnisse der Studie zeigten, dass die Steigung Baum boosting-Methode geschätzt, die insgesamt tremor sowie der Ruhe-tremor-sub-score mit hoher Genauigkeit, und in den meisten Fällen, mit den gleichen Ergebnissen geschätzt, mit der UPDRS.
Diese Methode zeigte auch der Rückgang der Tremor, nachdem die Patienten nahmen Ihre Medikamente auch in Fällen, in denen Ergebnisse nicht passten insgesamt tremor sub-scores von der UPDRS-Bewertungen. Die LSTM-basierte Methode, auf der anderen Seite, sofern die Leistung verringert wird.
„Es ist besonders interessant, dass die Methode, die wir entwickelt erfolgreich erkannt, hand-und Bein-Tremor mit nur einem sensor auf dem Handgelenk und Knöchel, bzw,“ sagte Murtadha D. Hssayeni, co-Autor und ein Ph. D.-student in FAU Department of Computer and Electrical Engineering und Computer Science.
Diese neue Methode bietet die höchste performance unter den UPDRS-task-abhängige Methoden und alle die Aufgabe-unabhängig tremor Schätzverfahren in der Literatur berichtet aktuell.
„Diese Feststellung ist wichtig, weil unsere Methode ist in der Lage, um eine bessere zeitliche Auflösung zu schätzen, Tremor um eine Maßnahme, die das volle Spektrum der tremor Laufe der Zeit verändert“, sagte Ghoraani.
PD ist die zweithäufigste altersbedingte neurodegenerative Erkrankung nach der Alzheimer-Krankheit. Schätzungsweise 7 bis 10 Millionen Menschen weltweit haben PD. In den Vereinigten Staaten, etwa 1 Millionen Amerikaner sind gedacht, um PD. Jedes Jahr, rund 60.000 Amerikaner sind mit dieser Störung diagnostiziert und diese Schätzung spiegelt nicht die Tausende von Fälle, die unerkannt bleiben.