团队使用数码相机 机器学习来预测神经系统疾病

为了简化多发性硬化症和帕金森病患者的诊断过程，研究人员使用数码相机捕捉步态变化(这些疾病的症状)，并开发了一种机器学习算法，可以将 MS 和 PD 患者与人区分开来没有那些神经系统疾病。

他们的研究结果发表在IEEE 生物医学和健康信息学杂志上。

诺伊大学厄巴纳-香槟分校运动机能学和社区健康教授曼努埃尔·埃尔南德斯说，这项研究的目标是让诊断这些疾病的过程更容易获得，他与研究生 Rachneet Kaur 以及工业和企业系统工程和数学教授理查德·索尔斯。

Hernandez 说，目前，患者必须等待(有时需要数年)才能与神经科医生预约进行诊断。农村社区的人们通常必须长途跋涉到可以评估其状况的设施。为了能够仅使用数码相机收集步态信息并在线评估该数据，临床医生可以进行快速筛查，仅将那些被认为可能患有神经系统疾病的患者发送给专家。

为了进行这项研究，研究小组对患有和未患有 MS 或帕金森病的成年人在跑步机上行走时进行了录像，将数码相机聚焦在参与者的和下肢上。那些没有神经系统疾病的人的年龄、体重和性别与患有 MS 和 PD 的参与者相匹配。步行练习还包括参与者边走边按顺序背诵字母表中的其他字母的试验。Sowers 说，这项附加任务旨在模仿现实世界中走路的挑战，同时从事其他可能会分散注意力的任务。

“这是一项新颖的研究，因为我们试图解决实验室与人们在野外的行为方式不同的事实，”他说。“当你在家时，你正在做你正在做的任何事情，但你也在想，‘我关上车库门了吗?我关掉了炉子吗?’所以增加了认知负担。”

研究人员使用开源工具分析视频，以提取有关参与者在步行练习中如何移动的数据。

“我们研究了、膝盖、脚踝、大小脚趾和脚后跟的身体坐标，”Kaur 说，他开发了分析这些坐标如何随时间移动的方法，以寻找患有和未患 MS 的成年人之间的差异，或者帕金森病。

她使用十几种传统的机器学习和深度学习算法测试了她的方法的准确性。该团队还在新的研究对象上测试了该方法，看它是否可以识别出患有多发性硬化症、患有帕金森病的人和没有任何疾病的人。

研究表明，几种算法在检测这些差异方面的准确率超过 75%。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！