面面粉肌电（sEMG）轮廓在帕金森病中的评估：基于GCN-SVM的严重程度提升
信号处理
2025-07-22 v1 人工智能
机器学习
摘要
帕金森病（Parkinson's disease, PD）由于其渐进性和复杂症状，在诊断和监测方面存在挑战。本研究提出一种新方法，利用表面电生理信号（sEMG）客观评估PD的严重程度，聚焦于双肌肌。对来自五名帕金森病患者和五名健康对照的sEMG数据进行初始分析，发现存在显著的神经肌肉差异。传统支持向量机（SVM）模型实现了最高达83%的准确率，而通过图卷积网络-支持向量机（GCN-SVM）模型的改进将准确率提升至92%。尽管这些结果仍具前瞻性，本研究概述了针对更大样本量的详细实验方法，以验证这些发现并将其整合到临床实践中。该提出的方法有望推动帕金森病严重程度评估，改善帕金森病管理中的患者护理。
引用
@article{arxiv.2507.14153,
title = {Surface EMG Profiling in Parkinson's Disease: Advancing Severity Assessment with GCN-SVM},
author = {Daniel Cieślak and Barbara Szyca and Weronika Bajko and Liwia Florkiewicz and Kinga Grzęda and Mariusz Kaczmarek and Helena Kamieniecka and Hubert Lis and Weronika Matwiejuk and Anna Prus and Michalina Razik and Inga Rozumowicz and Wiktoria Ziembakowska},
journal= {arXiv preprint arXiv:2507.14153},
year = {2025}
}
备注
International Conference on Hybrid Artificial Intelligence Systems (HAIS 2024)