Recent advancements in the portabil

Recent advancements in the portability and affordability of optical motion capture systems have opened the doors to various clinical applications.
In this paper, we look into the potential use of motion capture data for the quantitative analysis of motor symptoms in Parkinson's Disease (PD).
The standard of care, human observer-based assessments of the motor symptoms, can be very subjective and are often inadequate for tracking mild symptoms.
Motion capture systems, on the other hand, can potentially provide more objective and quantitative assessments. In this pilot study, we perform full-body motion capture of Parkinson's patients with deep brain stimulator off-drugs and with stimulators on and off.
Our experimental results indicate that the quantitative measure on spatio-temporal statistics learnt from the motion capture data reveal distinctive differences between mild and severe symptoms.
We used a Support Vector Machine (SVM) classifier for discriminating mild vs.
severe symptoms with an average accuracy of approximately 90%. Finally, we conclude that motion capture technology could potentially be an accurate, reliable and effective tool for statistical data mining on motor symptoms related to PD.
This would enable us to devise more effective ways to track the progression of neurodegenerative movement disorders.

ผลลัพธ์ (ไทย) 1:

ก้าวหน้าทันสมัยล่าสุดพอร์ตและความสามารถในการจ่ายของระบบจับภาพเคลื่อนไหวแสงได้เปิดประตูไปยังโปรแกรมประยุกต์ทางคลินิกต่าง ๆในเอกสารนี้ เราดูในข้อมูลที่จับภาพเคลื่อนไหวใช้เป็นสำหรับการวิเคราะห์เชิงปริมาณของอาการมอเตอร์ในโรคพาร์กินสัน (PD) มาตรฐานของ มนุษย์ตามนักการประเมินอาการมอเตอร์ สามารถตามอัตวิสัยมาก และมักไม่เพียงพอในการติดตามอาการไม่รุนแรง ระบบจับภาพเคลื่อนไหว ในทางกลับกัน สามารถอาจให้เพิ่มเติมวัตถุประสงค์และการประเมินผลเชิงปริมาณ ในการศึกษานี้นำร่อง เราทำจับภาพเคลื่อนไหวร่างกายแบบเต็มของผู้ป่วยเป็นพาร์กินสมองลึกเครื่องกระตุ้นปิดยาเสพติด และ stimulators และปิด ผลการทดลองของเราบ่งชี้ว่า การวัดเชิงปริมาณเกี่ยวกับสถิติ spatio ขมับได้เรียนรู้จากข้อมูลที่จับภาพเคลื่อนไหวค่อย ๆ โดดเด่นแตกต่างระหว่างอาการไม่รุนแรง และรุนแรง เราใช้ classifier เครื่องสนับสนุนเวกเตอร์ (SVM) เทียบกับอ่อนรับการจำแนก อาการรุนแรงแม่นยำเฉลี่ยประมาณ 90% สุดท้าย เราสรุปว่า เทคโนโลยีการจับภาพเคลื่อนไหวอาจจะเป็นเครื่องมือที่ถูกต้อง ความน่าเชื่อถือ และมีประสิทธิภาพสำหรับการทำเหมืองข้อมูลสถิติที่เกี่ยวข้องกับ PD อาการมอเตอร์ นี้จะช่วยให้เราสามารถประดิษฐ์วิธีเพิ่มประสิทธิภาพในการติดตามความก้าวหน้าของโรค neurodegenerative เคลื่อนไหว

ผลลัพธ์ (ไทย) 3:

ความก้าวหน้าล่าสุดในการพกพาและ affordability ของระบบจับภาพแสงเคลื่อนไหวได้เปิดประตูเพื่อการใช้งานทางคลินิกต่าง ๆ .
ในกระดาษนี้เราดูในศักยภาพของข้อมูลจับการเคลื่อนไหวสำหรับการวิเคราะห์เชิงปริมาณของมอเตอร์ อาการโรคพาร์กินสัน ( PD ) .
มาตรฐานการดูแลสังเกตการณ์มนุษย์ตามการประเมินของมอเตอร์ อาการสามารถอัตนัยมาก และมักจะไม่เพียงพอสำหรับการติดตามอาการไม่รุนแรง .
ระบบจับการเคลื่อนไหวบนมืออื่น ๆที่อาจจะสามารถให้มากขึ้นและการประเมินเชิงปริมาณ ในการศึกษานำร่องครั้งนี้ เราดำเนินการเต็มรูปแบบร่างกายการจับการเคลื่อนไหวของผู้ป่วยพาร์กินสันด้วยเครื่องกระตุ้นสมองลึกออกยาเสพติดและกระตุ้นและปิด .
ผลการทดลองของเราบ่งชี้ว่า มาตรการเชิงปริมาณเกี่ยวกับสถิติเชิงพื้นที่และเวลาเรียนจากการจับการเคลื่อนไหวข้อมูลเปิดเผยความแตกต่างที่โดดเด่นระหว่างไม่รุนแรง และอาการรุนแรง .
เราเคยสนับสนุนเวกเตอร์เครื่องจักร ( SVM ) ลักษณนามสําหรับจำแนกอ่อนกับ
อาการรุนแรงมีความถูกต้องเฉลี่ยประมาณ 90 % ในที่สุดเราสรุปได้ว่า เทคโนโลยีการจับภาพเคลื่อนไหวอาจจะถูกต้องเชื่อถือได้และมีประสิทธิภาพเครื่องมือสำหรับทำเหมืองข้อมูลสถิติเกี่ยวกับมอเตอร์ อาการที่เกี่ยวข้องกับ PD
นี่จะช่วยให้เราออกแบบวิธีที่มีประสิทธิภาพมากขึ้นในการติดตามความก้าวหน้าของการเคลื่อนไหว Neurodegenerative disorders .