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.

Os pesquisadores desenvolvem uma ferramenta cervical da selecção do myelopathy usando a aprendizagem do sensor e de máquina do não-contacto

O myelopathy cervical (CM) resulta da compressão da medula espinal no pescoço e causa a dificuldade que move os dedos e o porte instável. Porque os pacientes com fase inicial CM têm sintomas subjetivos mínimos e são difíceis para que os não-especialistas diagnostiquem correctamente, os sintomas podem ser agravados antes que os pacientes estejam diagnosticados com CM por um especialista. Conseqüentemente, a revelação de ferramentas da selecção é exigida realizar o diagnóstico adiantado e o tratamento do CM.

Uma equipa de investigação conduzida pelo afastamento cilindro/rolo. Koji Fujita, um conferente na universidade médica e dental do Tóquio, e Yuta Sugiura, um professor adjunto na universidade de Keio, combinaram uma técnica da análise de movimento do dedo usando uma aprendizagem do sensor e de máquina do não-contacto desenvolver uma ferramenta simples da selecção para o CM.

Neste estudo, a equipe centrou-se sobre mudanças no movimento do dedo causado pelo CM. Segundos testes do aperto nos 10 e da liberação, que é um teste de diagnóstico convencional para o CM, um aperto das repetições do assunto e acções da liberação tantas como vezes tão possíveis em 10 segundos. O teste mede simplesmente o número de acções do aperto e da liberação e não se centra sobre mudanças nos movimentos do dedo característicos para pacientes com CM, tal como os movimentos do pulso para compensar a dificuldade que move o dedo. Pule o movimento (Ultraleap Ltd.), um sensor capaz da medida do tempo real de movimentos do dedo, possa ser usado para extrair mais precisamente tais movimentos.

Os pesquisadores esperaram que o CM pode ser previsto usando a aprendizagem de máquina combinada com o sensor de movimento do pulo. Um assento sujeito na frente do movimento do pulo conectado a um computador portátil com os braços estendidos foi instruído para prender o mais rápido possível e liberar os dedos 20 vezes. Os movimentos do dedo durante este teste foram capturados pelo sensor de movimento do pulo, indicados em sua tela no tempo real, e gravados como dados. Recrutaram 50 pacientes com CM e 28 assuntos que não tiveram o CM. Os dados da série cronolólica em seus movimentos do dedo adquiridos pelo movimento do pulo foram convertidos nos domínios de freqüência, que foram sujeitados à aprendizagem de máquina usando uma máquina do vector do apoio. Finalmente, a precisão dos resultados era alta como indicado por uma sensibilidade de 84,0%, por uma especificidade de 60,7%, e por uma área sob a curva de 0,85. Este nível de precisão é equivalente ou superior àquele do diagnóstico do CM pelos especialistas baseados em resultados físicos.

A ferramenta desenvolvida pela equipe permite não-especialistas seleccionar povos para a possibilidade de ter o CM. Os resultados da análise da selecção podem ser usados para incentivar aqueles com CM suspeitado procurar a atenção do especialista para o diagnóstico adiantado e a iniciação adiantada do tratamento. Um objetivo desta pesquisa é impedir a agravação da doença que pode causar a diminuição no funcionamento do exame e na perda social.

Esta pesquisa foi conduzida sob os programas de investigação básica estratégicos de JST, a pesquisa acelerada AIP de PRISMA e a pesquisa precursora para a ciência e a tecnologia embrionárias (PRSTO).

Source:
Journal reference:

Koyama, T., et al. (2021) Cervical Myelopathy Screening with Machine Learning Algorithm Focusing on Finger Motion Using Non-Contact Sensor. Spine. doi.org/10.1097/BRS.0000000000004243.