magistrsko delo
Matjaž Zupanič (Avtor), Jure Žabkar (Mentor), Dejan Georgiev (Komentor)

Povzetek

Parkinsonova bolezen je kronična nevrodegenerativna bolezen, ki močno poslabša kvaliteto življenja pacientov. Čakalne vrste za nevrologa so danes precej dolge, pacienti pa so v tem obdobju brez ustrezne terapije s katero bi si olajšali simptome. Zato smo razvili avtomatsko metodo za določanje stopnje motorične prizadetosti oziroma bradikinezije Parkinsonove bolezni na podlagi testa tapkanja in s tem omogočili hitrejšo postavitev diagnoze. Zbrali smo 183 video posnetkov tapkanja, posnetih kar s pametnim telefonom v vsakdanjem okolju. Videe je v 5 razredov lestvice MDS-UPDRS ocenil nevrolog. Za prepoznavo roke smo uporabili MediaPipe Hand, ki nam kot rezultat vrne časovno vrsto skeleta roke. Za klasifikacijo smo ubrali dva različna pristopa. Prvič smo iz časovne vrste skeleta roke sami sestavili značilke, enkrat strogo po lestvici MDS-UPDRS, drugič pa se te nismo strogo držali. Te značilke smo nato uporabili v klasifikatorjih in z večplastnim perceptronom dosegli 61 \% točnost in 0,62 F1 vrednost. V drugem pristopu smo časovno vrsto razdalj med palcem in kazalcem uporabili neposredno v polnem konvolucijskem nevronskem omrežju in dosegli 77 \% točnost in 0,75 F1 vrednost. Izdelali smo še orodje za vizualizacijo tapkanja in izpis ključnih podatkov.

Ključne besede

klasifikacija;test tapkanja s prsti;bolniki s Parkinsonovo boleznijo;magisteriji;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [M. Zupanič]
UDK: 004.85:616.858(043.2)
COBISS: 201613827 Povezava se bo odprla v novem oknu
Št. ogledov: 110
Št. prenosov: 35
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Automatic assessment of finger tapping in patients with Parkinson's disease
Sekundarni povzetek: Parkinson's disease is a chronic neurodegenerative disorder that severely impairs patients' quality of life. Currently, the waiting lists for a neurologist are quite long, and during this period, patients are without adequate therapy to alleviate their symptoms. Therefore, we have developed an automatic method to determine the level of motor impairment or bradykinesia of Parkinson's disease based on a tapping test, thus enabling faster diagnosis. We collected 183 tapping videos recorded with a smartphone in everyday environments, which were assessed by a neurologist into 5 classes of the MDS-UPDRS scale. For hand detection we used MediaPipe Hand, which returns a time series of the hand skeleton. For classification, we took two different approaches. First, we constructed features from the hand skeleton time series, once strictly following the MDS-UPDRS scale, and another time not strictly adhering to it. These features were then used in classifiers and achieved 61 \% accuracy and 0,62 F1 score using a multi-layer perceptron. In the second approach, we used the time series of thumb-pointer distances directly in a fully convolutional neural network achieving 77 \% accuracy and 0,75 F1 score. We also created a tool for visualizing tapping and displaying key data.
Sekundarne ključne besede: classification;Parkinson’s disease;finger tapping test;machine learning;computer science;master's degree;Parkinsonova bolezen;Strojno učenje;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 1000471
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 81 str.
ID: 24398918