Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Método automático para avaliar a severidade de empurrões myoclonic das imagens de vídeo

A avaliação rápida, segura e automática da severidade de empurrões myoclonic das imagens de vídeo é agora possível, os agradecimentos a um algoritmo usando a arquitetura de rede neural circunvolucional profunda e os modelos pretrained que identificam e seguem pontos-chave no corpo humano. Publicado na apreensão, o estudo é um esforço conjunto pelo centro da epilepsia no hospital da universidade de Kuopio, na universidade de Finlandia oriental e em laboratórios Neuro do evento.

Método automático para avaliar a severidade de empurrões myoclonic das imagens de vídeo
Keypoints e dados brutos predefinidos e saída algorítmica do movimento do pulso. Crédito de imagem: Laboratórios Neuro do evento.

Myoclonus refere o resumo, contrair-se involuntário dos músculos e dele é a desabilitação e o sintoma resistente aos medicamentos progressivo nos pacientes com tipo progressivo da epilepsia myoclonus - 1 (EPM1). É estímulo sensível e sua severidade flutua durante o dia. Além, o esforço, a privação do sono e a ansiedade podem causar a agravação significativa de sintomas myoclonic. A continuação objetiva clínica de myoclonus é desafiante e exige a experiência extensiva do médico de tratamento. Conseqüentemente, os médicos e a indústria médica têm procurado ferramentas automáticas melhorar a consistência e a confiança de avaliações myoclonus de série a fim calcular confiantemente a progressão do efeito e da doença do tratamento.

A escala de avaliação myoclonus unificada (UMRS), um vídeo clínico gravou o painel de teste, é a bandeira de ouro usada actualmente para avaliar myoclonus. Os pesquisadores analisaram 10 que o vídeo gravou os painéis de teste de UMRS usando métodos automáticos da avaliação da pose e de detecção do keypoint. Os métodos automáticos eram bem sucedidos na detecção e seguir predefiniu pontos-chave no corpo humano durante o movimento. Os pesquisadores igualmente analisaram mudanças da velocidade e a lisura do movimento para detectar e determinar empurrões myoclonic durante uma apreensão activa. As contagens obtiveram usando a detecção myoclonus automática correlacionada bem com o UMRS clínico myoclonus com as contagens da acção e de testes funcionais avaliadas por um pesquisador clínico experiente.

O estudo mostrou que o método automático que envolve a detecção do keypoint e a avaliação da pose das imagens de vídeo determinou confiantemente empurrões myoclonic nos pacientes EPM1. A quantificação automática de myoclonus correlacionada bem com a avaliação clínica. Igualmente determinou eficazmente a lisura do movimento, e foi sensível bastante detectar a pequeno-amplitude e empurrões myoclonic de alta freqüência

Source:
Journal reference:

Hyppönen, J., et al. (2020) Automatic assessment of the myoclonus severity from videos recorded according to standardized Unified Myoclonus Rating Scale protocol and using human pose and body movement analysis. Seizure: European Journal of Epilepsy. doi.org/10.1016/j.seizure.2020.01.014.