Online freezing of gait detection and cueing with personalizable wearable system for Parkinson's disease patients
Year: 2024
Type: dissertation
Abstract: Analiza in razumevanje človeškega gibanja odpirata nova vrata na različnih področjih, kot so šport, robotika, virtualna resničnost, medicina in rehabilitacija. Detekcija specifičnih aktivnosti človeškega gibanja omogoča razvoj naprednih, personaliziranih naprav, orodij in pripomočkov za medicinske namene. Zbiranje in analiza gibalnih podatkov omogočata ustvarjanje objektivnejše ocene o dejanskem motoričnem stanju posameznika ali bolnika, kar lahko poveča učinkovitost treninga, okrevanja in rehabilitacije. Disertacija predlaga robusten, nosljiv merilni sistem za zajemanje in analizo človeškega gibanja v realnem času, namenjen bolnikom s Parkinsonovo boleznijo, ki doživljajo epizode zamrznitve koraka. Gibalni podatki so pridobljeni s pomočjo pospeškometrov, giroskopov in merilnikov mišične aktivnosti, vgrajenih v elastičen pas, nameščen pod kolenom na obeh nogah. Gibalni podatki so uporabljeni za učenje in testiranje algoritmov strojnega učenja. Z obširno primerjalno analizo desetih uveljavljenih klasifikacijskih algoritmov strojnega učenja za namene detekcije petih aktivnosti smo identificirali kombinacijo konvolucijskih in rekurentnih nevronskih mrež z dodanim mehanizmom pozornosti kot najbolj učinkovit klasifikacijski model, ki je nove instance klasificiral s točnostjo 98.9 %, natančnostjo 96.8 %, senzitivnostjo 97.8 %, specifičnostjo 99.1 % ter F1 oceno 97.3 %. Enostavnejša, čeprav zanemarljivo manj učinkovita kombinacija konvolucijskih in rekurentnih nevronskih mrež z dodatkom preteklih podatkovnih instanc, je implementirana na mikrokrmilniku in uporabljena za klasifikacijo novih instanc s frekvenco 40 Hz. Sistem je v realnem času detektiral zamrznjen korak pri bolnikih s Parkinsonovo boleznijo s točnostjo 95.1 % in povprečno zakasnitvijo 261 ms, pri čemer so bolniki prejemali stimulacijo po potrebi. Ritmični vibracijski stimulatorji so uspešno zmanjšali povprečno trajanje zamrznjenega koraka za 38 %.
Author: Slemenšek, Jan
Institution: University of Maribor
Language: Croatian
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W6981057069
