利用多模态生理信号表征与检测步态冻结
信号处理
2020-09-29 v1 神经元与认知
摘要
步态冻结是帕金森病的一种神秘症状,定义为突然丧失向前移动的能力。目前对冻结发作的常规治疗效果有限,而可靠的冻结评估很可能改善疗效。关于冻结发作表征的基础科学研究以及24/7循证支持的冻结检测系统,有助于提升日常生活中评估的可靠性。在本研究中,我们分析了15名特发性帕金森病患者及551次原地转身诱发的冻结发作中来自脑、眼、心、运动和步态活动的多模态特征。首先对551次中的248次进行统计分析,以确定哪些多模态特征与冻结发作相关。将与冻结发作显著相关的特征排序并用于冻结检测。我们发现转身期间的眼稳定速度与下肢震颤测量与冻结发作显著相关,并用于冻结检测。采用留一受试者交叉验证,我们获得了97%±3%的灵敏度、96%±7%的特异度、73%±21%的精确率、0.82±0.15的马修斯相关系数和0.94±0.05的精确率-召回率曲线下面积。根据精确率-召回率曲线,所提出的利用多模态特征的冻结检测方法优于使用单模态特征的方法。
引用
@article{arxiv.2009.12660,
title = {Characterizing and Detecting Freezing of Gait using Multi-modal Physiological Signals},
author = {Ying Wang and Floris Beuving and Jorik Nonnekes and Mike X Cohen and Xi Long and Ronald M Aarts and Richard Van Wezel},
journal= {arXiv preprint arXiv:2009.12660},
year = {2020}
}
备注
9 pages, 8 figures