基于智能手机姿态估计的帕金森病患者起立坐下运动模式分类与远程评估研究

《Journal of NeuroEngineering and Rehabilitation》：Sit-to-stand-to-sit analysis as a digital biomarker for Parkinson’s disease

　　

摘要

背景

帕金森病需要持续评估和长期康复；然而，受行动能力和医疗资源可及性的限制，面对面护理往往难以获得。依赖简单、广泛可用设备的远程监测方法可能有助于扩大日常生活中的客观运动评估的可及性。我们旨在研究是否可以通过姿态估计、重心轨迹和基于机器学习的分类，利用智能手机记录的起立和坐下动作来量化帕金森病患者的运动特征。

方法

收集了 32 名帕金森病患者重复进行起立 - 坐下动作的智能手机视频。使用姿态估计获取归一化的重心轨迹，采用具有动态时间规整的时间序列分析对其进行聚类，并训练了一个简化的循环神经网络来对得出的运动模式进行分类。

结果

重心轨迹聚类揭示了三种不同的起立 - 坐下运动模式，这些模式与年龄、功能独立性、平衡能力以及帕金森病运动严重程度的差异有关。循环神经网络对这些运动模式的分类准确率为 81.2%。

结论

智能手机记录的起立 - 坐下动作包含可解释的运动特征，可大致指示帕金森病的运动严重程度，从而为基于智能手机的远程运动功能评估提供了依据。