Интеллектуальные системы и технологии

Implementation of machine learning algorithms for Parkinsonian gait data

[Реализация алгоритмов машинного обучения для данных о походке при болезни Паркинсона]

O. Unal, V. V. Potekhin

Peter the Great St. Petersburg Polytechnic University

Аннотация: Изучена база данных походки Physionet и рассмотрены такие характеристики походки, как регулярность шага и симметрии, для построения классификатора для пациентов с болезнью Паркинсона (БП) и здоровых людей контрольной группы. Увеличено количество функций, используя среднее значение и стандартное отклонение времени выполнения шагов в их обычном, самостоятельно выбранном темпе, в течение примерно двух минут на ровном месте. Извлеченные функции использованы в трех различных алгоритмах машинного обучения. БП – нейродегенеративное заболевание, вызванное нейродегенерацией областей базальных ганглиев. Нарушение походки является одним из основных симптомов БП. Двигательные симптомы при болезни Паркинсона вызывают отсутствие контроля над движениями и трудности с инициированием мышечных движений, таких как шаркающие шаги, более быстрые шаги или движение медленнее, чем ожидалось для соответствующего возраста. Предложенный подход рекомендуется для диагностики БП, которая может быть автоматизирована или выполнена удаленно.

Ключевые слова: машинное обучение, контролируемое обучение, болезнь Паркинсона, походка, анализ признаков.

УДК: 004.85

Поступила в редакцию: 24.11.2022

Язык публикации: английский

DOI: 10.18721/JCSTCS.16106