Una arquitectura volumétrica profunda para discriminar patrones parkinsonianos desde representaciones de poses intermedias

  La enfermedad de Parkinson (EP) es un trastorno neurodegenerativo común a nivel mundial, con más de 6.2 millones de casos registrados. El análisis de la marcha desempeña un papel fundamental en la evaluación de las anomalías motoras asociadas con esta enfermedad. Sin embargo, los métodos actuales, como sistemas basados en marcadores, son intrusivos y dependientes de expertos. Se han propuesto alternativas sin marcadores, como el análisis de secuencias de video, que tienden a proporcionar puntajes de clasificación globales y carecen de la capacidad de interpretar la cinemática articular detalladamente. Se presenta una técnica innovadora utilizando redes convolucionales volumétricas que pueden aprender patrones posturales intermedios y distinguir entre pacientes con Parkinson y sujetos control. Este enfoque utiliza activaciones de OpenPose, y luego aplica una convolución jerárquica para minimizar la clasificación. En pruebas realizadas con 14 pacientes Parkinson y 16 sujetos control, este método alcanzó una precisión del 98% en clasificación.

• Autores: Portilla , Jean; Rangel, Edgar; Guayacán, Luis; Martínez, Fabio
• Tipo de recurso: Article of journal
• Fecha de publicación: 2024
• Institución: Universidad de San Buenaventura
• Repositorio: Repositorio USB
• Idioma: eng
• OAI Identifier: oai:bibliotecadigital.usb.edu.co:10819/29001
• Acceso en línea: https://hdl.handle.net/10819/29001; https://doi.org/10.21500/20112084.7405
• Palabra clave: Parkinson’s disease; posture; artificial neural networks; gait; Enfermedad de Parkinson; postura; redes neuronales artificiales; marcha
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2