| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 2.43 MB | Adobe PDF |
Abstract(s)
Parkinson’s disease (PD) is a chronic, progressive, and neurodegenerative disorder, predicted to be diagnosed for 12 million people by 2040. One of the cardinal symptoms of
this disease is tremor. Tremor is characterized as an involuntary and oscillatory movement of a body part and can be divided into rest tremor, postural tremor, and kinetic
tremor. The tremor associated with PD is characterized by a 3-6 Hz, regular, asymmetrical tremor and is commonly a rest and/or postural tremor. Nowadays, PD and tremor
are usually evaluated by a trained specialist who assesses the symptoms according to the
Unified Parkinson’s Disease Rating Scale (UPDRS). However, due to being subjective and
representing only a small sample of how symptoms affect the subject during the day, this
method exhibits a high within-subject variability and a low test-retest reliability. Consequently, other methods to evaluate tremor that don’t have the same limitations are being
proposed and implemented. These methods rely on the use of inertial sensors, like an accelerometer and a gyroscope, and the computation of data collected using these sensors.
In this dissertation, a systematic literature review is presented and a mobile app is proposed for the collection of accelerometer and gyroscope sensor data during the performance of five tests, three of them are based on movements performed for the UPDRS
evaluation and two of them intend to recreate activities of daily living. This app also includes three daily questionnaires that contextualize the signals collected. Furthermore, a
computation framework for the evaluation of tremor is proposed, including the preprocessing, feature extraction, and data analysis steps. The data analysis step is divided into
two tasks, the distinction between people with Parkinson’s disease (PwPD) and healthy
controls (HC) and the estimation of UPDRS rest tremor scores. A Bagging tree classifier
was implemented for both tasks, achieving a good result only for the distinction between
the two groups, with a success rate of 85.3%. In addition, a method based on the kurtosis
and a method based on the number of 10-second windows in the signal where the fundamental frequency is in the rest tremor frequency band. These methods obtained success
rates of 83.3% and 87.88%, respectively.
A doença de Parkinson é uma doença crónica, progressiva e neurodegenerativa, que se prevê que vá ser diagnosticada a 12 milhões de pessoas até 2040. Um dos sintomas cardinais desta doença é o tremor. O tremor é caracterizado como um movimento involuntário e oscilatório de uma parte corporal e pode ser dividido em tremor de repouso, tremor postural e tremor cinético. O tremor associado a doença de Parkinson é caracterizado por um tremor regular e assimétrico de 3-6 Hz e é geralmente tremor de repouso e/ou tremor postural. Atualmente, a doença de Parkinson e o tremor são geralmente avaliados por um especialista treinado que avalia os sintomas de acordo com a Unified Parkinson’s Disease Rating Scale (UPDRS). Contudo, devido a ser subjetivo e representar apenas uma pequena amostra de como os sintomas afetam o sujeito durante o dia, este método exibe uma alta variabilidade para o mesmo sujeito e uma baixa confiabilidade de teste-reteste. Consequentemente, outros métodos para avaliar o tremor, que não têm as mesmas limitações, estão a ser propostos e implementados. Estes métodos baseiam-se no uso de sensores inerciais, como o acelerómetro e o giroscópio, e na computação dos dados recolhidos usando esses sensores. Esta dissertação contém uma revisão sistemática da literatura e a proposta de uma aplicação móvel para a recolha de dados de acelerómetro e giroscópio durante a realização de cinco testes, três deles baseados em movimentos realizados para a avaliação com a UPDRS e dois deles que recriam atividades do dia-a-dia. Esta aplicação também inclui três questionários diários que contextualizam os sinais recolhidos. Para além disso, é proposto um framework computacional para a avaliação do tremor, incluindo as etapas de pré-processamento, extração de características e análise de dados. A etapa de análise de dados é dividida em duas tarefas, a distinção entre pessoas com a doença de Parkinson e do grupo de controlo, e a estimativa da pontuação da escala do tremor de repouso da UPDRS. O classificador Bagging tree foi implementado para ambas as tarefas, tendo apenas obtido bons resultados para a distinção entre os dois grupos, com uma taxa de acerto de 85.3%. Adicionalmente, foram propostos dois métodos um baseado no kurtosis e outro baseado base no número de janelas de 10 segundos do sinal em que a frequência fundamental está na banda de frequências associada ao tremor de repouso. Para estes métodos foram obtidas taxas de acerto de 83.3% e 87.88%, respetivamente.
A doença de Parkinson é uma doença crónica, progressiva e neurodegenerativa, que se prevê que vá ser diagnosticada a 12 milhões de pessoas até 2040. Um dos sintomas cardinais desta doença é o tremor. O tremor é caracterizado como um movimento involuntário e oscilatório de uma parte corporal e pode ser dividido em tremor de repouso, tremor postural e tremor cinético. O tremor associado a doença de Parkinson é caracterizado por um tremor regular e assimétrico de 3-6 Hz e é geralmente tremor de repouso e/ou tremor postural. Atualmente, a doença de Parkinson e o tremor são geralmente avaliados por um especialista treinado que avalia os sintomas de acordo com a Unified Parkinson’s Disease Rating Scale (UPDRS). Contudo, devido a ser subjetivo e representar apenas uma pequena amostra de como os sintomas afetam o sujeito durante o dia, este método exibe uma alta variabilidade para o mesmo sujeito e uma baixa confiabilidade de teste-reteste. Consequentemente, outros métodos para avaliar o tremor, que não têm as mesmas limitações, estão a ser propostos e implementados. Estes métodos baseiam-se no uso de sensores inerciais, como o acelerómetro e o giroscópio, e na computação dos dados recolhidos usando esses sensores. Esta dissertação contém uma revisão sistemática da literatura e a proposta de uma aplicação móvel para a recolha de dados de acelerómetro e giroscópio durante a realização de cinco testes, três deles baseados em movimentos realizados para a avaliação com a UPDRS e dois deles que recriam atividades do dia-a-dia. Esta aplicação também inclui três questionários diários que contextualizam os sinais recolhidos. Para além disso, é proposto um framework computacional para a avaliação do tremor, incluindo as etapas de pré-processamento, extração de características e análise de dados. A etapa de análise de dados é dividida em duas tarefas, a distinção entre pessoas com a doença de Parkinson e do grupo de controlo, e a estimativa da pontuação da escala do tremor de repouso da UPDRS. O classificador Bagging tree foi implementado para ambas as tarefas, tendo apenas obtido bons resultados para a distinção entre os dois grupos, com uma taxa de acerto de 85.3%. Adicionalmente, foram propostos dois métodos um baseado no kurtosis e outro baseado base no número de janelas de 10 segundos do sinal em que a frequência fundamental está na banda de frequências associada ao tremor de repouso. Para estes métodos foram obtidas taxas de acerto de 83.3% e 87.88%, respetivamente.
Description
Keywords
Doença de Parkinson Kurosis Machine Learning Pontuação da Updrs Sensores Inerciais Tremor