基于机器学习的帕金森运动症状量化评估

基于机器学习的帕金森运动症状量化评估
林志榕
【期刊名称】《科技创新与应用》
【年(卷),期】2022(12)34
【摘要】临床上采用量表评分的方式对帕金森病运动症状的严重等级进行诊断,存在主观性强、评估结果差异大等问题。

因此,利用佩戴于患者手腕的可穿戴设备采
集手部运动信息,并基于运动传感器数据提取与震颤和运动迟缓症状严重程度相关
的特征参数,构建机器学习多分类评估模型,从而得到症状的严重程度等级(0~4分)。

算法验证试验结果表明,相比随机森林(RF)和K最邻近方法(KNN),支持向量机(SVM)分类模型具有最高的分类精度,对震颤和运动迟缓症状的严重程度分类准确率达96%以上。

该文研究验证基于运动传感器的帕金森病量化评估方法的可行性,该方法能
够作为一种有效的量化评估方法,辅助医生在临床上给出客观的诊断结论。

【总页数】5页(P50-54)
【作者】林志榕
【作者单位】中国科学院福建物质结构研究所泉州装备制造研究所
【正文语种】中文
【中图分类】R742.5
【相关文献】
1.基于可穿戴式传感装置的帕金森运动症状量化评估的研究进展
2.老年综合评估与干预对帕金森病患者非运动症状及生活质量改善的效果分析
3.经颅黑质超声、非
运动症状评估联合在早期帕金森病患者中的诊断应用价值4.帕金森病运动症状的长时程连续性监测与评估的研究进展5.基于大脑形态学特征的机器学习方法预测帕金森病患者的抑郁症状
因版权原因，仅展示原文概要，查看原文内容请购买。