Naslov (eng)

Application of artificial intelligence for kinematic signal processing in diagnostics of Parkinson's disease and atypical parkinsonisms: doctoral dissertation : doctoral dissertation

Autor

Belić, Minja, 1986-

Doprinosi

Đurić-Jovičić, Milica, 1982-
Radivojević, Zaharije, 1978-
Dragašević-Mišković, Nataša, 1966-
Janković, Milica, 1979-
Radovanović, Saša, 1966-

Opis (srp)

Клиничка дијагностика Паркинсонове болести (ПД) и атипичних паркинсонизама идаље је изазован задатак и изискује доста времена. Циљ ове студије је да кроз употребу вештачкеинтелигенције понуди брзу потпору у диференцијалној дијагностици, ослањајући се накинематичке податке прикупљене кроз два модалитета: репетитивно тапкање прстима и ход.Главни фокус студије су снимци тапкања прстима прибављени помоћу лаганог и јефтиногсистема инерцијалних сензора. Регрутоване су три групе пацијената, укључујући особе које патеод Паркинсонове болести, прогресивне супрануклеарне парализе (ПСП) и мулти системскеатрофије (МСА), као и група здравих контрола без неуролошких обољења. Статистичка анализаприкупљених сигнала је показала разлике у одређеним трендовима у тапкању између тестиранихгрупа, а употреба модела вештачке интелигенције омогућила је разликовње ПД пацијената одконтрола са ташношћу од 92%, док је све регрутоване групе било могуће класификовати сатачношћу од 85,18%.Рад се такође бави дијагностиком ПД кроз примену вештачке интелигенције у анализи хода,користећи електронску сензорску стазу. De novo ПД пацијенти и група здравих контрола сниманису у серији тестова са двоструким задатком, где је додатни задатак био моторног или менталногтипа. Програмски је било могуће одабрати подскуп параметара хода који понајвише доприноседијагностици ПД, и употребити те параметре за класификацију ПД групе и контрола са тачношћуод 85%.Будући рад би требало да се бави ефектима евентуалног шума у обележеним дијагнозама јер оненису потврђене аутопсијом, а прикупљање додатних података стандардизованим протоколом увише клиничких центара омогућило би додатно побољшање предиктивне моћи система.Регрутација пацијената са атипичним паркинсонизмима за тестове базиране на ходу потребна једа се процени способност предложених анализа да помогну у дијагностици поменутихнеуролошких обољења.

Opis (srp)

Biomedical engineering / Биомедицинско инжењерство Datum odbrane: 08.11.2023.

Opis (eng)

Clinical diagnosis of Parkinson’s disease (PD) and atypical parkinsonisms remains achallenging and time-consuming task. This study sought to utilize AI to provide quick support indifferential diagnostics, relying on kinematic data obtained from two modalities: repetitive finger tappingand gait.The main study focus was on finger tapping data obtained by a custom low-weight, low-cost inertialsensor setup. Three groups of patients were recruited, including individuals suffering from PD,Progressive Supranuclear Palsy (PSP), and Multiple System Atrophy (MSA), and a group of healthycontrols (HC) without neurological disorders. Statistical analysis of obtained signals showed differencesin certain trends between the tested groups, and the utilization of AI models allowed the PD group to bediscerned from the controls with accuracy of 92%, whereas all participant groups discerned in amulticlass setting with overall accuracy of 85.18%.This work also tackled PD diagnostics through the use of AI in analysis of gait, using a sensorizedelectronic walkway. De novo PD patients and a HC group were tested in a series of dual-task tests, wherethe interference task was of motor or mental type. We were able to programmatically select a subset ofgait parameters that best help in PD diagnostics and use the selected parameters to classify PD vs HCgroup with accuracy of 85%.Future work should tackle the effect of possible noise in the labels (non-autopsy-confirmed diagnoses),and standardized multi-center data collection that would allow further refinement of the system’spredictive power. Recruitment of patients with atypical parkinsonisms for gait-based tests should assessthe ability of the proposed analyses to aid in differential diagnostics among these neurological disorderswith similar clinical presentations

Jezik

srpski

Datum

2023

Licenca

© All rights reserved

Predmet

Parkinson’s disease, atypical parkinsonisms, kinematic analysis, artificial intelligence, machine learning, finger tapping, analysis of gait

Паркинсонова болест, атипични паркинсонизми, кинематичка анализа, вештачка интелигенција, машинско учење, тапкање прстима, анализа хода