Evaluación de la severidad motora de pacientes con parkinson por medio de sensores de profundidad

RESUMEN: La enfermedad de Parkinson ha sido altamente estudiada por el grupo GITA perteneciente a la Universidad de Antioquia. Para esto se han utilizado diferentes tipos de señales, entre las cuales se encuentran las señales de audio, de escritura, de marcha, entre otras. La severidad de esta enfermedad es medida por medio del índice MDS-UPDRS. En este trabajo utilizamos una sub-escala de dicho ítem enfocada en el estado motor de los miembros inferiores, llamándose UPDRS-Lower-Limbs. En el presente trabajo se realizó un estudio de los trastornos de movimiento generados por la enfermedad de Parkinson enfocándose en la motricidad del movimiento en los miembros inferiores. Para esto se propone utilizar señales de movimiento captadas por medio de sensores de profundidad. A partir de estas señales se extraen como características el Jitter, el Shimmer y la energía del movimiento. Con las características se busca evaluar el estado de severidad en los miembros inferiores de los pacientes. Para esto se consideran 2 enfoques. El primero es basado en clasificación. Se dividen las muestras en 2 grupos (Severidad baja y severidad alta) y se realiza la clasificación binaria con estos grupos. Para este enfoque se usan las técnicas de máquinas de soporte Vectorial y bosques aleatorios. El segundo enfoque está basado en regresión. Se genera un modelo que se adapte a los datos e intente predecir el índice. Para este método se usaron las técnicas regresión por vectores de soporte y regresión por bosques aleatorios. Los resultados indican que en clasificación se puede obtener una exactitud de hasta 73%, y en regresión se puede obtener un coeficiente de correlación de hasta 0.51 con un error medio absoluto de 10.98. En este trabajo se encontró los mejores parámetros para las diferentes técnicas de evaluación y se realizaron comparaciones entre las diferentes técnicas y métodos.

• Autores: Moreno Acevedo, Santiago Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/19765
• Acceso en línea: http://hdl.handle.net/10495/19765
• Palabra clave: Actividad Motora; Motor Activity; Enfermedad de Parkinson; Parkinson Disease; Talón; Heel; Algoritmo; Algorithms; Grabación sonora; Sound recordings; Sensores; Sensors; Aprendizaje de Máquina; Visión artificial; http://aims.fao.org/aos/agrovoc/c_28279; http://vocabularies.unesco.org/thesaurus/concept2024; http://vocabularies.unesco.org/thesaurus/concept9812
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/