拓扑非线性分析被提出用于神经退行性疾病

神经退行性疾病，如肌营养的外侧硬化（ALS），亨廷顿疾病（HD）和帕金森病（PD）是常见的渐进神经系统疾病，显示错综复杂的临床模式。

使用步态波动评估疾病状态是一项重要的技术临床试验以及对神经退行性疾病患者的健康监测

中国科学院深圳建立和王磊教授领导的研究团队提出了一种拓扑分析框架，以表征了不同的步态波动的动态神经退行性疾病，这为神经退行性疾病提供了一个可靠的定性描述。

所提出的拓扑运动分析框架被设计用于步态波动时间序列分析。使用非线性动力学分析技术将步态波动时间序列嵌入相位空间中，实现了相应的点云。

点云用于执行持久性同源性建设，即拓扑签名提取。提取条形码，持久性图和持久性景观的拓扑签名以对不同的步态波动类型进行分类。

在此基础上，对健康对照组、ALS组、HD组和PD组的步态波动进行了综合对比研究，包括基于步幅区间、站立区间和摆动区间的步态波动。结果表明，该方法在状态识别和神经退行性疾病方面具有广阔的应用前景疾病分类。

该研究首次证明了不同步态波动时间序列的拓扑描述符为人体步态建模提供了新的视角，并为生物医学信号分析的潜在临床应用提供了证据。

这项研究发表在IEEE访问。

---

---