nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

A Non-linear Dynamics Approach to Classify Gait Signals of Patients with Parkinson’s Disease

verfasst von : Paula Andrea Pérez-Toro, Juan Camilo Vásquez-Correa, Tomas Arias-Vergara, Nicanor Garcia-Ospina, Juan Rafael Orozco-Arroyave, Elmar Nöth

Erschienen in: Applied Computer Sciences in Engineering

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Parkinson’s disease is a neuro-degenerative disorder characterized by different motor symptoms, including several gait impairments. Gait analysis is a suitable tool to support the diagnosis and to monitor the state of the disease. This study proposes the use of non-linear dynamics features extracted from gait signals obtained from inertial sensors for the automatic detection of the disease. We classify two groups of healthy controls (Elderly and Young) and Parkinson’s patients with several classifiers. Accuracies ranging from 86% to 92% are obtained, depending on the age of the healthy control subjects.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Hyperthermia Study in Breast Cancer Treatment

Nächstes Kapitel Changes in Electrocardiographic Signals During Training in Laparoscopic Surgery Simulator: A Preliminary Report

Embedded Gait analysis using Intelligent Technology, http://www.egait.de/.

Hornykiewicz, O.: Biochemical aspects of Parkinson’s disease. Neurology 51(2 Suppl 2), S2–S9 (1998)CrossRef

Goetz, C.G., et al.: Movement Disorder Society-sponsored revision of the Unified Parkinson’s Disease Rating Scale (MDS-UPDRS): scale presentation and clinimetric testing results. Mov. Disord. 23(15), 2129–2170 (2008)CrossRef

Oung, Q.W., Muthusamy, H., et al.: Technologies for assessment of motor disorders in Parkinson’s disease: a review. Sensors 15(9), 21710–21745 (2015)CrossRef

Klucken, J., Barth, J., et al.: Unbiased and mobile gait analysis detects motor impairment in Parkinson’s disease. PloS One 8(2), e56956 (2013)CrossRef

Parisi, F., Ferrari, G., et al.: Body-sensor-network-based kinematic characterization and comparative outlook of UPDRS scoring in leg agility, sit-to-stand, and gait tasks in Parkinson’s disease. IEEE J. Biomed. Health Inform. 19(6), 1777–1793 (2015)CrossRef

Perumal, S.V., Sankar, R.: Gait and tremor assessment for patients with Parkinson’s disease using wearable sensors. ICT Express 2(4), 168–174 (2016)CrossRef

Hannink, J., Gaßner, H., et al.: Inertial sensor-based estimation of peak accelerations during heel-strike and loading as markers of impaired gait patterns in PD patients. Basal Ganglia 8, 1 (2017)CrossRef

Vasquez-Correa, J.C., et al.: Multi-view representation learning via GCCA for multimodal analysis of Parkinson’s disease. In: International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 2966–2970 (2017)

Pérez-Toro, P.A., Vásquez-Correa, J.C., et al.: Análisis motriz en las extremidades inferiores para el monitoreo del estado neurológico de pacientes con enfermedad de parkinson. In: Symposium on Signal Processing, Images and Artificial Vision (STSIVA) (2016)

10.

Dingwell, J.B., Cusumano, J.P.: Nonlinear time series analysis of normal and pathological human walking. Chaos: Interdiscip. J. Nonlinear Sci. 10(4), 848–863 (2000)CrossRef

11.

Sejdic, E., et al.: A comprehensive assessment of gait accelerometry signals in time, frequency and time-frequency domains. IEEE Trans. Neural Syst. Rehabil. Eng. 22(3), 603–612 (2014)CrossRef

12.

Orozco-Arroyave, J.R., Arias-Londoño, J.D., Vargas-Bonilla, J.F., Nöth, E.: Analysis of speech from people with Parkinson’s disease through nonlinear dynamics. In: Drugman, T., Dutoit, T. (eds.) NOLISP 2013. LNCS (LNAI), vol. 7911, pp. 112–119. Springer, Heidelberg (2013). https://doi.org/10.1007/978-3-642-38847-7_15CrossRef

13.

Takens, F.: On the numerical determination of the dimension of an attractor. In: Braaksma, B.L.J., Broer, H.W., Takens, F. (eds.) Dynamical Systems and Bifurcations. LNM, vol. 1125, pp. 99–106. Springer, Heidelberg (1985). https://doi.org/10.1007/BFb0075637CrossRef

14.

Kennel, M.B., et al.: Determining embedding dimension for phase-space reconstruction using a geometrical construction. Phys. Rev. A 45(6), 3403 (1992)CrossRef

15.

Kantz, H., Schreiber, T.: Nonlinear Time Series Analysis, vol. 7. Cambridge University Press, Cambridge (2004)MATH

16.

Lempel, A., Ziv, J.: On the complexity of finite sequences. IEEE Trans. Inf. Theory 22(1), 75–81 (1976)MathSciNetCrossRef

17.

Richman, J.S., Moorman, J.R.: Physiological time-series analysis using approximate entropy and sample entropy. Am. J. Physiol.-Hear. Circ. Physiol. 278(6), H2039–H2049 (2000)CrossRef

18.

Xu, L.S., et al.: Gaussian kernel approximate entropy algorithm for analyzing irregularity of time-series. In: International Conference on Machine Learning and Cybernetics, pp. 5605–5608 (2005)

19.

Lathrop, D.P., Kostelich, E.J.: Characterization of an experimental strange attractor by periodic orbits. Phys. Rev. A 40(7), 4028 (1989)MathSciNetCrossRef

20.

Sadeghi, H., Allard, P., Prince, F., Labelle, H.: Symmetry and limb dominance in able-bodied gait: a review. Gait Posture 12(1), 34–45 (2000)CrossRef

Titel: A Non-linear Dynamics Approach to Classify Gait Signals of Patients with Parkinson’s Disease
verfasst von: Paula Andrea Pérez-Toro
Juan Camilo Vásquez-Correa
Tomas Arias-Vergara
Nicanor Garcia-Ospina
Juan Rafael Orozco-Arroyave
Elmar Nöth
Verlag: Springer International Publishing
Buch: Applied Computer Sciences in Engineering
Print ISBN: 978-3-030-00352-4

Electronic ISBN: 978-3-030-00353-1

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-030-00353-1_24

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner