| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.98 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Background and Objectives: Parkinson’s disease (PD) is the most frequent disorder
presenting with Parkinsonism. However, atypical parkinsonian disorders (such as Progressive
Supranuclear Palsy (PSP) and Multiple System Atrophy (MSA)) share some clinical features
of PD but have different prognosis and are therefore important to distinguish from PD. The
development of new and cost-effective tools to help clinicians in the differential diagnosis is
therefore paramount. In this work, we perform sensor based kinematic analysis to find
significant differences between PD and atypical parkinsonism, while developing an
experimental machine learning model with clinical applicability.
Subjects and Methods: 32 subjects with PD (mean age 69.7 ± 11.3, 14 male 17 female), 11
with atypical parkinsonism (9 PSP, 1 MSA, 1 vascular parkinsonism, mean age 72.9 ± 6.1, 8
male 3 female) and 33 age-gender matched controls (mean age 68.0 ± 12.6, 14 male 19
female) were recruited from the outpatient clinic in routine appointments at Hospital Egas
Moniz, Lisboa. Using a set of 7 inertial sensors, leveraged by biomechanical models, we
collected data from gait and posture during a 3x20m walk and stance. Moreover, using one
inertial sensor, we recorded finger tapping tests. We conducted the analysis in two different
ways: controls vs parkinsonian group (ill – PD + atypical), and within the parkinsonian group
i.e. PD vs atypical.
Results: Compared to controls, parkinsonian subjects displayed lower cadence (controls
109.420 ± 12.519 steps/min, ill 100.566 ± 13.432 steps/min, p = 0.006), step length (controls
0.512 ± 0.086 m, ill 0.442 ± 0.100 m, p = 0.003) and speed (controls 0.996 ± 0.190 m/s, ill
0.773 ± 0.202 m/s, p < 0.001). Double support was increased in the parkinsonian cohort
(controls 36.355 ± 3.253 %, ill 39.827 ± 5.685 %, p = 0.003), and angular variables were
decreased for the most part (i.e. hip flexion mean velocity controls 67.900 ± 14.974 cm/s, ill
55.180 ± 12.814 cm/s, p<0.001). A 10-fold cross validation random forest model classified
controls vs parkinsonian subjects with an accuracy of 82.9%.
PD and atypical cohorts also differed significantly, with the latter displaying high asymmetry in
many angular parameters: knee mean velocity asymmetry (PD 0.919 ± 0.710 cm/s, atypical
3.392 ± 3.836 cm/s, p = 0.001), hip adduction mean velocity asymmetry (PD 0.268 ± 0.177
cm/s, atypical 0.656 ± 0.563 cm/s, p = 0.002) and ankle mean velocity asymmetry (PD 0.636
± 0.537 cm/s, atypical 1.586 ± 1.227 cm/s, p = 0.002). The same machine learning model
classified the PD vs atypical cohorts with 76.3% accuracy.
Ongoing work is being developed in the analysis of finger tapping and postural metrics that
can improve the discrimination models.
Conclusions: The main objectives of this work were achieved. We hypothesize that atypical
parkinsonian subjects develop an instable gait where asymmetry is highly pronounced
compared to PD. Furthermore, we believe inertial sensor technology supported by machine
learning should become a regularly applied technique in the differential diagnosis of these
syndromes.
Justificativa e Objetivos: A doença de Parkinson (DP) é o distúrbio mais frequente apresentando com parkinsonismo. No entanto, distúrbios parkinsonianos atípicos (como A Paralisia Supranuclear (PSP) e a Atrofia de Múltiplos Sistemas (MSA)) compartilham algumas características clínicas da DP, mas têm prognóstico diferente e, portanto, são importantes para diferenciar da DP. o desenvolvimento de ferramentas novas e econômicas para ajudar os médicos no diagnóstico diferencial é portanto, primordial. Neste trabalho, realizamos análises cinemáticas baseadas em sensores para encontrar diferenças significativas entre DP e parkinsonismo atípico, ao desenvolver um modelo experimental de aprendizado de máquina com aplicabilidade clínica. Sujeitos e Métodos: 32 indivíduos com DP (idade média 69,7 ± 11,3, 14 homens 17 mulheres), 11 com parkinsonismo atípico (9 PSP, 1 MSA, 1 parkinsonismo vascular, idade média de 72,9 ± 6,1, 8 masculino 3 mulheres) e 33 controles pareados por idade e sexo (idade média de 68,0 ± 12,6, 14 homens 19 mulheres) foram recrutados no ambulatório em consultas de rotina no Hospital Egas Moniz, Lisboa. Utilizando um conjunto de 7 sensores inerciais, alavancados por modelos biomecânicos, coletou dados da marcha e postura durante uma caminhada e postura de 3x20m. Além disso, usando um sensor inercial, gravamos testes de batidas com os dedos. Realizamos a análise em dois diferentes modos: controles versus grupo parkinsoniano (doente - DP + atípico) e dentro do grupo parkinsoniano ou seja, PD vs atípico. Resultados: Comparados aos controles, os indivíduos parkinsonianos apresentaram menor cadência (controles 109.420 ± 12.519 passos / min, doente 100.566 ± 13.432 passos / min, p = 0,006), comprimento do passo (controles 0,512 ± 0,086 m, doente 0,442 ± 0,100 m, p = 0,003) e velocidade (controles 0,996 ± 0,190 m / s, doente 0,773 ± 0,202 m / s, p <0,001). O duplo apoio foi aumentado na coorte parkinsoniana (controles 36.355 ± 3.253%, doentes 39.827 ± 5.685%, p = 0.003), e as variáveis angulares foram diminuído na maior parte (isto é, a velocidade média da flexão do quadril controla 67.900 ± 14.974 cm / s, doente 55,180 ± 12,814 cm / s, p <0,001). Um modelo de floresta aleatória de validação cruzada de 10 vezes classificado controles versus parkinsonianos com uma precisão de 82,9%. A DP e as coortes atípicas também diferiram significativamente, com as últimas exibindo alta assimetria em muitos parâmetros angulares: assimetria da velocidade média do joelho (DP 0,919 ± 0,710 cm / s, atípica 3,392 ± 3,836 cm / s, p = 0,001), assimetria da velocidade média da adução do quadril (DP 0,268 ± 0,177 cm / s, atípica 0,656 ± 0,563 cm / s, p = 0,002) e assimetria da velocidade média do tornozelo (PD 0,636 ± 0,537 cm / s, atípico 1,586 ± 1,227 cm / s, p = 0,002). O mesmo modelo de aprendizado de máquina classificaram o DP vs coortes atípicas com 76,3% de precisão. O trabalho em andamento está sendo desenvolvido na análise de batidas com os dedos e métricas posturais que pode melhorar os modelos de discriminação. Conclusões: Os principais objetivos deste trabalho foram alcançados. Nossa hipótese é que atípica indivíduos parkinsonianos desenvolvem uma marcha instável em que a assimetria é altamente pronunciada comparado ao PD. Além disso, acreditamos na tecnologia de sensor inercial suportada pela máquina a aprendizagem deve se tornar uma técnica aplicada regularmente no diagnóstico diferencial desses síndromes.
Justificativa e Objetivos: A doença de Parkinson (DP) é o distúrbio mais frequente apresentando com parkinsonismo. No entanto, distúrbios parkinsonianos atípicos (como A Paralisia Supranuclear (PSP) e a Atrofia de Múltiplos Sistemas (MSA)) compartilham algumas características clínicas da DP, mas têm prognóstico diferente e, portanto, são importantes para diferenciar da DP. o desenvolvimento de ferramentas novas e econômicas para ajudar os médicos no diagnóstico diferencial é portanto, primordial. Neste trabalho, realizamos análises cinemáticas baseadas em sensores para encontrar diferenças significativas entre DP e parkinsonismo atípico, ao desenvolver um modelo experimental de aprendizado de máquina com aplicabilidade clínica. Sujeitos e Métodos: 32 indivíduos com DP (idade média 69,7 ± 11,3, 14 homens 17 mulheres), 11 com parkinsonismo atípico (9 PSP, 1 MSA, 1 parkinsonismo vascular, idade média de 72,9 ± 6,1, 8 masculino 3 mulheres) e 33 controles pareados por idade e sexo (idade média de 68,0 ± 12,6, 14 homens 19 mulheres) foram recrutados no ambulatório em consultas de rotina no Hospital Egas Moniz, Lisboa. Utilizando um conjunto de 7 sensores inerciais, alavancados por modelos biomecânicos, coletou dados da marcha e postura durante uma caminhada e postura de 3x20m. Além disso, usando um sensor inercial, gravamos testes de batidas com os dedos. Realizamos a análise em dois diferentes modos: controles versus grupo parkinsoniano (doente - DP + atípico) e dentro do grupo parkinsoniano ou seja, PD vs atípico. Resultados: Comparados aos controles, os indivíduos parkinsonianos apresentaram menor cadência (controles 109.420 ± 12.519 passos / min, doente 100.566 ± 13.432 passos / min, p = 0,006), comprimento do passo (controles 0,512 ± 0,086 m, doente 0,442 ± 0,100 m, p = 0,003) e velocidade (controles 0,996 ± 0,190 m / s, doente 0,773 ± 0,202 m / s, p <0,001). O duplo apoio foi aumentado na coorte parkinsoniana (controles 36.355 ± 3.253%, doentes 39.827 ± 5.685%, p = 0.003), e as variáveis angulares foram diminuído na maior parte (isto é, a velocidade média da flexão do quadril controla 67.900 ± 14.974 cm / s, doente 55,180 ± 12,814 cm / s, p <0,001). Um modelo de floresta aleatória de validação cruzada de 10 vezes classificado controles versus parkinsonianos com uma precisão de 82,9%. A DP e as coortes atípicas também diferiram significativamente, com as últimas exibindo alta assimetria em muitos parâmetros angulares: assimetria da velocidade média do joelho (DP 0,919 ± 0,710 cm / s, atípica 3,392 ± 3,836 cm / s, p = 0,001), assimetria da velocidade média da adução do quadril (DP 0,268 ± 0,177 cm / s, atípica 0,656 ± 0,563 cm / s, p = 0,002) e assimetria da velocidade média do tornozelo (PD 0,636 ± 0,537 cm / s, atípico 1,586 ± 1,227 cm / s, p = 0,002). O mesmo modelo de aprendizado de máquina classificaram o DP vs coortes atípicas com 76,3% de precisão. O trabalho em andamento está sendo desenvolvido na análise de batidas com os dedos e métricas posturais que pode melhorar os modelos de discriminação. Conclusões: Os principais objetivos deste trabalho foram alcançados. Nossa hipótese é que atípica indivíduos parkinsonianos desenvolvem uma marcha instável em que a assimetria é altamente pronunciada comparado ao PD. Além disso, acreditamos na tecnologia de sensor inercial suportada pela máquina a aprendizagem deve se tornar uma técnica aplicada regularmente no diagnóstico diferencial desses síndromes.
Description
Thesis to obtain the master's degree in Biomedical Engineering
Keywords
Parkinson’s disease Doença de Parkinson Atypical parkinsonism Parkinsonismo atípico Differential diagnosis Diagnóstico diferencial Sensor-based kinematic analysis Sensor baseado em análise cinemática Applied machine learning Aprendizado de máquina aplicado
Citation
FERREIRA, Pedro Correia - Inertial-sensor based 3D kinematics in the differential diagnosis between Parkinson's disease and atypical parkinsonism. Lisboa: Instituto Superior de Engenharia de Lisboa - Escola Superior de Tecnologia da Saúde de Lisboa, 2019. Dissertação de mestrado.
Publisher
Instituto Superior de Engenharia de Lisboa - Escola Superior de Tecnologia da Saúde de Lisboa