Representaciones tiempo-frecuencia basadas en sensores inerciales para caracterizar la marcha en la enfermedad de Parkinson

La Enfermedad de Parkinson (EP) es un desorden neurodegenerativo del sistema nervioso central, cuyas características principales incluyen entre otras la rigidez, bradicinesia y pérdida de los reflejos posturales. El diagnóstico de la EP está basado en análisis de la historia clínica y evaluaciones f...

Full description

Autores:
Bedoya-Vargas, Marlon E.
Vásquez-Correa, Juan C.
Orozco-Arroyave, Juan R.
Tipo de recurso:
Article of journal
Fecha de publicación:
2018
Institución:
Instituto Tecnológico Metropolitano
Repositorio:
Repositorio ITM
Idioma:
spa
OAI Identifier:
oai:repositorio.itm.edu.co:20.500.12622/1064
Acceso en línea:
https://revistas.itm.edu.co/index.php/tecnologicas/article/view/1056
http://hdl.handle.net/20.500.12622/1064
Palabra clave:
Enfermedad de Parkinson
sensores inerciales
representación tiempo-frecuencia
Transformada Wavelet
análisis de marcha
clasificación supervisada
Parkinson’s Disease
inertial sensors
time-frequency representation
wavelet transform
gait analysis
supervised classification
Rights
License
https://creativecommons.org/licenses/by-nc-sa/4.0/
Description
Summary:La Enfermedad de Parkinson (EP) es un desorden neurodegenerativo del sistema nervioso central, cuyas características principales incluyen entre otras la rigidez, bradicinesia y pérdida de los reflejos posturales. El diagnóstico de la EP está basado en análisis de la historia clínica y evaluaciones físicas realizadas a los pacientes. El monitoreo del estado neurológico de los pacientes está basado en valoraciones subjetivas que realizan los neurólogos. El análisis de la marcha usando sensores inerciales aparece como un instrumento sencillo y útil para ayudar en el proceso de diagnóstico y monitoreo de los pacientes con EP. En este artículo usamos el sistema eGaIT, el cual captura señales de acelerómetro y giróscopo del proceso de marcha para evaluar las habilidades motoras de los pacientes. Las transformadas de Fourier y Wavelet son utilizadas para extraer medidas basadas en energía y entropía en el dominio de Tiempo-Frecuencia. Las características extraídas son utilizadas para discriminar entre pacientes con EP y personas sanas. De acuerdo con los resultados, es posible clasificar estos dos grupos con una precisión de hasta el 94 %.