机器学习导致追踪帕金森病患者震颤严重程度的新颖方法？

帕金森病的症状之一是震颤。这种不自觉的运动障碍会干扰患者的书写和进食活动，从而降低他们的生活质量。神经科医生通常使用统一的帕金森病量表来测量震颤，这需要患者执行特定的任务。不幸的是，这种评估是基于现场体检，只能提供患者日常生活中震颤经历的快照。

为了有效地管理和治疗PD患者的震颤，迫切需要开发者_StackOverflow一种无需患者在日常活动中执行特定任务就能连续准确测量震颤的方法。

佛罗里达大西洋大学工程和计算机科学学院的研究人员与西奈山伊坎医学院和罗切斯特大学医学中心合作，正在教授机器来完成这项任务。他们开发了一种与可穿戴传感器相结合的算法，当患者在自然环境中自由活动时，该算法可以持续监控患者并估计总的帕金森氏震颤。

这项发表在《传感器》的研究结果表明，这种新方法潜力巨大，可以在一天内为患者提供全方位的震颤。

FAU计算机系助理教授、资深作者贝赫纳兹古拉阿尼博士说：在医生办公室进行的临床检查通常无法捕捉到患者在日常生活中完整而持续的震颤。电气工程和计算机科学专业，FAU传感和嵌入式网络系统研究所和FAU大脑研究所研究员。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的表现方式来估计他们的震颤严重程度。

目前使用的大多数现有方法依赖于任务，要求患者执行标准化的任务，例如评分量表中使用的任务。此外，这些方法只能提供中等至良好的性能，因为用于表征患者自由运动的震颤模式的基本算法具有局限性。

Ghoraani和她的合作者希望测试机器学习算法可以跟踪和量化日常生活活动中的静止震颤，并在不执行任何标准化任务的情况下将有节奏的震颤与正常活动分开的想法。

在这项研究中，研究人员研究了两种机器学习算法的应用：梯度树增强和基于LSTM的深度学习。这些方法通过使用放置在帕金森病患者手腕和脚踝上的两个陀螺仪传感器的数据来自动估计震颤的严重程度。他们在病人从事各种活动时收集数据。

本研究的结果表明，梯度树增强方法可以高精度地估计总震颤和静态震颤，并且在大多数情况下，UPDRS可以估计相同的结果。

即使结果与UPDRS评估中的总震颤评分不一致，这种方法也表明患者服药后震颤减轻。另一方面，基于LSTM的方法性能较低。

合著者、医生Murtadha D. Hssayeni说，我们开发的方法只需在手腕和脚踝上安装一个传感器，就能成功检测手和腿的震颤，这一点特别有趣。FAU是计算机和电气工程及计算机科学系的学生。

到目前为止，这种新方法在UPDRS任务相关方法和所有任务无关的震颤估计方法中具有最高的性能。

古拉尼说：这一发现非常重要，因为我们的方法可以提供更好的时间分辨率来估计震颤，从而测量整个震颤随时间的频谱。

PD是仅次于阿尔茨海默病的第二大常见年龄相关性神经退行性疾病。据估计，全世界有700万至1000万人患有帕金森病。在美国，大约有100万美国人患有帕金森病。每年，大约有6万美国人被诊断患有这种疾病，这一估计并没有反映成千上万未发现的病例。

斯特拉巴塔拉博士说：对于全世界数百万受帕金森病影响的人来说，戈兰尼教授和她的合作者提供了一种可靠的方法来监测典型一天中震颤的严重程度，这是有希望的。FAU工程和计算机科学学院院长。此外，我们团队开发的方法将为临床医生有效管理和治疗该疾病患者提供重要信息。

这项研究的合著者是西奈山伊坎医学院的Joohi Jimenez-Shahed博士。罗彻斯特大学医学中心神经内科医学博士。

这项研究的一部分得到了美国国家科学基金会的支持。国家卫生研究院、国家克利夫兰医疗设备研究所和大湖神经技术公司提供了两笔赠款来支持数据集的收集。