센서 데이터로부터 파킨슨병(Parkinson's Disease, PD)을 자동으로 진단하는 것은 환자 수가 증가함에 따라, 그리고 고령화 사회에서 노화와 관련된 삶의 질 저하 비용이 상승하는 가운데 중요한 주제이다. 이러한 자동 진단을 목표로 여러 접근법이 제안되었으나, 대개 복잡한 센서 구성이 필요하거나 임상 환경의 제약에 부합하지 않는 구성을 사용하는 문제를 겪곤 한다. 본 연구에서는 카메라를 향해 걷는 사람의 단일한 정면 시점 비디오로부터 상지와 하지의 관절 데이터를 주파수 기반으로 분석하는 시스템을 제시한다. 우리는 전체 편의 50명 이상의 PD 환자 및 건강 대조군 사람들의 비디오를 포함하는 두 개의 더 큰 데이터셋에서, 관절 동역학으로부터 추출한 주파수 기반 특징을 사용하여 세 가지 기계학습 모델을 평가한다. 결과는 전형적인 임상적 기대(즉, PD 환자에서 하지 주파수가 더 느림)를 확인할 뿐만 아니라, Ensemble 분류기에서 최대 97%에 이르는 성능으로 데이터셋 간에도 뛰어난 일반izability를 보임을 추가로 보여준다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.