Avtomatsko ocenjevanje testa tapkanja s prsti pri bolnikih s Parkinsonovo boleznijo

• Main Author: Zupanič, Matjaž
• Other Authors: Žabkar, Jure
• Format: Master Thesis
• Language: Slovenian
• Published: 2024
• Subjects: klasifikacija; Parkinsonova bolezen; test tapkanja s prsti; strojno učenje; classification; Parkinson’s disease; finger tapping test; machine learning; sami
• Online Access: https://repozitorij.uni-lj.si/IzpisGradiva.php?id=158700; https://repozitorij.uni-lj.si/Dokument.php?id=186413&dn=; https://plus.cobiss.net/cobiss/si/sl/bib/201613827; https://hdl.handle.net/20.500.12556/RUL-158700

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. 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 ...