Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Clasificación de temblor esencial y temblor de Parkinson basada en un dispositivo ponible de baja potencia
Entre los trastornos del movimiento, el temblor esencial es, con mucho, el más común, hasta ocho veces más prevalente que la enfermedad de Parkinson. Aunque estas dos condiciones difieren en su presentación y evolución, los clínicos no siempre las reconocen, lo que lleva a diagnósticos erróneos comunes. Un diagnóstico adecuado y temprano es importante para recibir el tratamiento y apoyo adecuados. En este documento, se informa sobre el desarrollo de un sistema de clasificación de temblores portátil y confiable basado en un dispositivo usable, que permite a los clínicos diferenciar entre el temblor esencial y el asociado a la enfermedad de Parkinson. Se recopilaron datos inerciales de sujetos con un diagnóstico bien establecido de temblor y se analizaron para extraer diferentes conjuntos de características espectrales relevantes. Luego se aplicaron métodos de aprendizaje supervisado para construir varios modelos de clasificación, entre los cuales los mejores lograron una precisión promedio superior al 90%. Los resultados alientan el uso de la tecnología usable como herramientas efectivas y asequibles para apoyar a los clínicos.
Autores: Locatelli, Patrick; Alimonti, Dario; Traversi, Gianluca; Re, Valerio
Idioma: Inglés
Editor: MDPI
Año: 2020
Disponible con Suscripción Virtualpro
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
Este documento es un artículo elaborado por Patrick Locatelli, Dario Alimonti, Gianluca Traversi y Valerio Re para la revista Electronics, Vol. 9, Núm. 10. Publicación de MDPI. Contacto: electronics@mdpi.com
Entre los trastornos del movimiento, el temblor esencial es, con mucho, el más común, hasta ocho veces más prevalente que la enfermedad de Parkinson. Aunque estas dos condiciones difieren en su presentación y evolución, los clínicos no siempre las reconocen, lo que lleva a diagnósticos erróneos comunes. Un diagnóstico adecuado y temprano es importante para recibir el tratamiento y apoyo adecuados. En este documento, se informa sobre el desarrollo de un sistema de clasificación de temblores portátil y confiable basado en un dispositivo usable, que permite a los clínicos diferenciar entre el temblor esencial y el asociado a la enfermedad de Parkinson. Se recopilaron datos inerciales de sujetos con un diagnóstico bien establecido de temblor y se analizaron para extraer diferentes conjuntos de características espectrales relevantes. Luego se aplicaron métodos de aprendizaje supervisado para construir varios modelos de clasificación, entre los cuales los mejores lograron una precisión promedio superior al 90%. Los resultados alientan el uso de la tecnología usable como herramientas efectivas y asequibles para apoyar a los clínicos.
Descripción
Entre los trastornos del movimiento, el temblor esencial es, con mucho, el más común, hasta ocho veces más prevalente que la enfermedad de Parkinson. Aunque estas dos condiciones difieren en su presentación y evolución, los clínicos no siempre las reconocen, lo que lleva a diagnósticos erróneos comunes. Un diagnóstico adecuado y temprano es importante para recibir el tratamiento y apoyo adecuados. En este documento, se informa sobre el desarrollo de un sistema de clasificación de temblores portátil y confiable basado en un dispositivo usable, que permite a los clínicos diferenciar entre el temblor esencial y el asociado a la enfermedad de Parkinson. Se recopilaron datos inerciales de sujetos con un diagnóstico bien establecido de temblor y se analizaron para extraer diferentes conjuntos de características espectrales relevantes. Luego se aplicaron métodos de aprendizaje supervisado para construir varios modelos de clasificación, entre los cuales los mejores lograron una precisión promedio superior al 90%. Los resultados alientan el uso de la tecnología usable como herramientas efectivas y asequibles para apoyar a los clínicos.