Uso de algoritmos de aprendizaje automático para la clasificación de la marcha de enfermedades neurodegenerativas
Autores/as
PDF
FLIP
Esta revista provee acceso libre inmediato a su contenido bajo el principio de hacer disponible gratuitamente las investigaciones al publico y apoyando un mayor intercambio de conocimiento global.
Costos de procesamiento y presentación de los artículos
El procesamiento y publicación en Ingenierías USBMed no tiene costo.
Política de acceso abierto
Ingenierías USBMed proporciona un acceso abierto inmediato a su contenido, basado en el principio de ofrecer al público un acceso libre a las investigaciones ayudando a un mayor intercambio global de conocimiento. Por tanto se acoge a la Licencia Creative Commons 4.0 Atribución- no comercial-sin derivadas (by-nc-nd): permite copiar y redistribuir el material en cualquier medio o formato, No se permite un uso comercial de la obra original ni de las posibles obras derivadas, Si remezcla, tansforma o crea a partir del material, no podrá distribuir el material modificado.
Derechos de Autor (Copyrigt)
La totalidad de los contenidos de Ingenierías USBMed, e-ISSN 2027-5846 están registrados y protegidos por las leyes de protección de la propiedad intelectual. Los derechos de propiedad intelectual de cada artículo son cedidos por sus autores a Ingenierías USBMed. Al someter el manuscrito, y únicamente en caso de ser aceptado para publicación, los autores aceptan que el copyright de su artículo queda transferido a Ingenierías USBMed. No obstante, se consideran todas las solicitudes de autorización por parte de los autores con fines de reproducción de sus artículos. Igualmente, Ingenierías USBMed otorga permiso de acceso para usuarios y bibliotecas. Ingenierías USBMed apoya el libre acceso a la literatura científica dicho copyright pide el respeto de los derechos morales, principalmente el reconocimiento de su autoría y el respeto a la integridad de la obra, evitando dentro de lo posible alteraciones, traducciones o falsificaciones. Al ser Ingenierías USBMed una publicación electrónica de carácter científico que publica trabajos de investigación científica y tecnológica, artículos de reflexión o artículos de revisión, el objetivo prioritario tanto de los los autores como de Ingenierías USBMed es lograr la mayor difusión de los artículos, para lo cual los autores ceden a Ingenierías USBMed sus derechos, únicamente a cambio del reconocimiento intelectual, moral y laboral, al considerarse que es una materia no de ocio o entretenimiento, sino de fuerte interés social, por su carácter científico.
Política Ética
Los autores deben actuar de forma ética en los procesos requeridos para la publicación de sus artículos en Ingenierías USBMed. Para esto, los autores y miembros de la revista se deben acoger a la politica de Ética editorial de la Editorial Bonaventuriana, disponible en el siguiente link: Manual editorial
Responsabilidad de contenidos
El contenido de los artículos publicados por Ingenierías USBMed es de exclusiva responsabilidad del (os) autor(es) y no necesariamente refleja el pensamiento del comité editorial y científico de la revista Ingenierías USBMed. Los textos pueden reproducirse total o parcialmente citando la fuente.
Resumen
Las enfermedades neurodegenerativas afectan el sistema neuromusculoesquelético generando trastornos del movimiento. La detección de los síntomas suele producirse en las últimas fases de la enfermedad, por lo que una detección temprana ayudaría a introducir terapias para reducir los efectos de las enfermedades y retrasar el deterioro. La base de datos PhysioNet proporciona información sobre la biomecánica de la marcha de voluntarios sanos y de pacientes de Parkinson (PD), esclerosis lateral amiotrófica (ALS) y Huntington (HD). En este trabajo se utilizan datos espacio-temporales para medir el coste energético y la densidad espectral de potencia en esas patologías. Estos parámetros se analizaron estadísticamente para definir descriptores explicativos. Posteriormente, se utilizan la técnica fuzzy c-means, algoritmo de aprendizaje para el análisis de datos multivariados - LAMDA, y redes neuronales para clasificar entre las enfermedades neurodegenerativas y el grupo de control. Se utilizó el método de validación cruzada para evaluar los resultados del algoritmo de clasificación. El análisis estadístico mostró que el coste de la energía aumentaba en la fase de apoyo, la velocidad de la marcha disminuía en condiciones críticas de la enfermedad y la cadencia era diferente según el tipo de enfermedad.
Referencias
[2] D. R. Peterson and J. D. Bronzino, Biomechanics Principles and Applications, Second. Boca Raton: CRC Press, 2008.
[3] P. M. Thompson and H. V Vinters, “Chapter 1 - Pathologic Lesions in Neurodegenerative Diseases,” in Molecular Biology of Neurodegenerative Diseases, vol. 107, D. B. B. T.-P. in M. B. and T. S. Teplow, Ed. Academic Press, 2012, pp. 1–40.
[4] F. E. Micheli, Enfermedad de Parkinson y trastornos relacionados, 2nd ed. Buenos Aires: Editorial Médica Panamericana s.a., 2006.
[5] S. M. Albert, “Amyotrophic Lateral Sclerosis: A Patient Care Guide for Clinicians,” Neurology, vol. 82, no. 9, pp. 820 LP – 820, Mar. 2014, [Online]. Available: http://n.neurology.org/content/82/9/820.abstract.
[6] V. Medved, Measurement of Human Locomotion. Boca Raton: CRC Press, 2000.
[7] S. Mandeep, S. Mooninder, and S. Paramjeet, “Neuro-Degenerative Disease Diagnosis using Human Gait: A Review,” Int. J. Interact. Multimed. Artif. Intell., vol. 7, no. 1, pp. 16–20, 2013, [Online]. Available: http://www.csjournals.com/IJITKM/PDF 7-1/4.pdf.
[8] R. de M. Roiz, E. W. A. Cacho, M. M. Pazinatto, J. G. Reis, A. Cliquet Jr, and E. M. A. Barasnevicius-Quagliato, “Gait analysis comparing Parkinson’s disease with healthy elderly subjects,” Arq. Neuropsiquiatr., vol. 68, pp. 81–86, 2010, [Online]. Available: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0004-282X2010000100018&nrm=iso.
[9] O. Sofuwa, A. Nieuwboer, K. Desloovere, A.-M. Willems, F. Chavret, and I. Jonkers, “Quantitative Gait Analysis in Parkinson’s Disease: Comparison With a Healthy Control Group,” Arch. Phys. Med. Rehabil., vol. 86, no. 5, pp. 1007–1013, 2005, doi: https://doi.org/10.1016/j.apmr.2004.08.012.
[10] A. Delval et al., “A biomechanical study of gait initiation in Huntington’s disease,” Gait Posture, vol. 25, no. 2, pp. 279–288, 2007, doi: https://doi.org/10.1016/j.gaitpost.2006.04.001.
[11] M. Tinelli, P. Kanavos, and F. Grimaccia, “The value of early diagnosis and treatment in Parkinson’s disease: a literature review of the potential clinical and socioeconomic impact of targeting unmet needs in Parkinson’s disease,” The London School of Economics and Political Science, London, 2016. Accessed: Oct. 17, 2018. [Online]. Available: http://eprints.lse.ac.uk/id/eprint/68479.
[12] S. Bilgin, “The impact of feature extraction for the classification of amyotrophic lateral sclerosis among neurodegenerative diseases and healthy subjects,” Biomed. Signal Process. Control, vol. 31, no. Supplement C, pp. 288–294, 2017, doi: https://doi.org/10.1016/j.bspc.2016.08.016.
[13] Y. Xia, Q. Gao, and Q. Ye, “Classification of gait rhythm signals between patients with neuro-degenerative diseases and normal subjects: Experiments with statistical features and different classification models,” Biomed. Signal Process. Control, vol. 18, no. Complete, pp. 254–262, 2015, doi: 10.1016/j.bspc.2015.02.002.
[14] W. Zeng and C. Wang, “Classification of Neurodegenerative Diseases Using Gait Dynamics via Deterministic Learning,” Inf. Sci., vol. 317, no. C, pp. 246–258, 2015, doi: 10.1016/j.ins.2015.04.047.
[15] R. Martins, C. Figueira, H. Gamboa, A. Veloso, and R. Matias, “Automatising gait kinematics classification with fast and accurate machine learning algorithms,” Gait Posture, vol. 42, p. S101, 2015, doi: https://doi.org/10.1016/j.gaitpost.2015.06.184.
[16] R. Matias, R. Martins, J. Magarreiro, A. L. Gomes, C. Cavaco, and H. Gamboa, “A reliable classification system for neuromusculoskeletal gait disorders,” Gait Posture, vol. 42, p. S78, 2015, doi: https://doi.org/10.1016/j.gaitpost.2015.03.132.
[17] J. Aguilar-Martin and R. Lopez de Mantaras, “The process of classification and learning the meaning of linguistic descriptors of concepts,” in Approximate Reasoning in Decision Analysis, M. M. Gupta and E. Sánchez, Eds. Amsterdam: North-Holland Pub. Co, 1982, pp. 165–175.
[18] J. M. Hausdorff, A. Lertratanakul, M. E. Cudkowicz, A. L. Peterson, D. Kaliton, and A. L. Goldberger, “Gait Dynamics in Neuro-Degenerative Disease Data Base,” 2015. .
[19] J. M. Hausdorff, Z. Ladin, and J. Y. Wei, “Footswitch system for measurement of the temporal parameters of gait,” J. Biomech., vol. 28, no. 3, pp. 347–351, 1995, doi: https://doi.org/10.1016/0021-9290(94)00074-E.
[20] J. M. Hausdorff, A. Lertratanakul, M. E. Cudkowicz, A. L. Peterson, D. Kaliton, and A. L. Goldberger, “Dynamic markers of altered gait rhythm in amyotrophic lateral sclerosis,” J. Appl. Physiol., vol. 88, no. 6, pp. 2045–2053, 2000, [Online]. Available: http://jap.physiology.org/content/88/6/2045.
[21] S. Bandyopadhyay and S. Saha, Unsupervised Classification. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013.
[22] J. C. Dunn, “A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact Well-Separated Clusters,” J. Cybern., vol. 3, no. 3, pp. 32–57, Jan. 1973, doi: 10.1080/01969727308546046.
[23] A. C. Rencher, Methods of Multivariate Analysis, 2nd ed. United States of America: Wiley-Interscience, 2002.
[24] S. E. Maxwell, H. D. Delaney, and K. Kelley, Designing Experiments and Analyzing Data: A Model Comparison Perspective, 3rd ed. New York, NY, USA: Routledge, 2017.
[25] K. M. Beavers et al., “Associations between body composition and gait-speed decline: results from the Health, Aging, and Body Composition study,” Am. J. Clin. Nutr., vol. 97, no. 3, pp. 552–560, Mar. 2013, doi: 10.3945/ajcn.112.047860.
[26] J. A. Schrack, E. M. Simonsick, and L. Ferrucci, “The Relationship of the Energetic Cost of Slow Walking and Peak Energy Expenditure to Gait Speed in Mid-to-Late Life,” Am. J. Phys. Med. Rehabil., vol. 92, no. 1, pp. 28–35, Jan. 2013, doi: 10.1097/PHM.0b013e3182644165.
[27] F. Merrikh-Bayat, “Time series analysis of parkinson’s disease, huntington’s disease and amyotrophic lateral sclerosis,” Procedia Comput. Sci., vol. 3, no. Supplement C, pp. 210–215, 2011, doi: https://doi.org/10.1016/j.procs.2010.12.035.
[28] A. Reeve, E. Simcox, and D. Turnbull, “Ageing and Parkinson’s disease: why is advancing age the biggest risk factor?,” Ageing Res. Rev., vol. 14, no. 100, pp. 19–30, Mar. 2014, doi: 10.1016/j.arr.2014.01.004.
[29] A. Eisen, M. Schulzer, M. MacNeil, B. Pant, and E. Mak, “Duration of amyotrophic lateral sclerosis is age dependent.,” Muscle Nerve, vol. 16, no. 1, pp. 27–32, Jan. 1993, doi: 10.1002/mus.880160107.
Descargas
Citado por
