Ganganalyse bei Parkinson

Praxis-Depesche 9-10/2020

Neue Möglichkeit zur Quantifizierung von Gangmerkmalen

Neurologen können Gangmerkmale und Trittfrequenz, die mit einer Heimvideokamera aufgezeichnet wurden, durch einen 2DPosen- Schätzer neu zu beurteilen lernen, und zur Diagnostik bei Parkinson heranziehen.
Gangfilme, die in der täglichen klinischen Praxis aufgezeichnet werden, werden normalerweise nicht mit spezialisierten Geräten aufgenommen, wodurch verhindert wird, dass Neurologen von der Nutzung von Ganganalysetechnologien profitieren.
Deshalb schlagen die Autoren einen neuartigen Ansatz zur Quantifizierung von Gangmerkmalen und zum Extrahieren der Trittfrequenz aus normalen und Parkinson-Gangfilmen, die mit einer Heimvideokamera aufgezeichnet wurden, mit einem lernenden 2D-Posen-Schätzer vor. Letzterer kann Koordinaten aus aufgezeichneten Bildern oder Videos berechnen.
In zwei Schritten erhielten die Autoren zuerst sequenzielle Gangmerkmale aus Filmen durch Extrahieren von Körpergelenkkoordinaten mit OpenPose und schätzten dann die Trittfrequenz von periodischen Gangmerkmalen.
Die Trittfrequenzschätzung beim frontal gesehenen Gang, wie sie häufig im täglichen klinischen Umfeld aufgezeichnet wird, wurde in normalen Gangfilmen unter Verwendung der Kurzzeit- Autokorrelationsfunktion (ST-ACF) erfolgreich durchgeführt. In Fällen von einem Parkinson-Gang mit starkem Einfrieren und unwillkürlichen Schwingungen haben die Autoren unter Verwendung von ACF-basierten statistischen Distanz-Metriken die Periodizität jeder Gangsequenz quantifiziert. Diese Metrik entsprach dann dem Grunderkrankungsstatus der Probanden.
Die vorgeschlagene Methode ermöglichte es den Autoren, Gangfilme, die bisher nicht ausreichend genutzt wurden, komplett datengesteuert zu analysieren und möglicherweise den Bereich für Filme zu erweitern, für die Ganganalysen durchgeführt und die Ergebnisse genutzt werden können. NM
Quelle: Sato K et al.: Quantifying normal and parkinsonian gait features frome home-movies: Practical application of a deep learning-based 2D pose estimator. PLoS One 2019; 14(11): e0223549
ICD-Codes: G20

Alle im Rahmen dieses Internet-Angebots veröffentlichten Artikel sind urheberrechtlich geschützt. Alle Rechte, auch Übersetzungen und Zweitveröffentlichungen, vorbehalten. Jegliche Vervielfältigung, Verlinkung oder Weiterverbreitung in jedem Medium als Ganzes oder in Teilen bedarf der schriftlichen Zustimmung des Verlags.

x