团队使用数码相机，机器学习来预测神经系统疾病
为了简化诊断多发性硬化症和帕金森氏症患者的过程，研究人员使用数码相机捕捉步态的变化——这是这些疾病的一种症状——并开发了一种机器学习算法，可以将患有多发性硬化症和帕金森病的人与没有这些神经系统疾病的人区分开来。
他们的研究结果发表在IEEE生物医学和健康信息学杂志．
伊利诺伊大学香槟分校(University of Illinois Urbana-Champaign)运动机能学教授曼纽尔·埃尔南德斯(Manuel Hernandez)说，这项研究的目的是让诊断这些疾病的过程更加容易社区卫生他和研究生Rachneet Kaur以及工业和企业系统工程和数学教授Richard Sowers一起领导了这项工作。
埃尔南德斯说，目前，患者必须等待——有时要等待数年——才能预约到神经科医生进行诊断。人们在农村社区他们经常要长途跋涉到一个机构，在那里他们的状况可以被评估。能够收集步态信息只用一个数码相机在线评估这些数据可以让临床医生进行快速筛查，只把那些被认为可能患有神经疾病的人送到专家那里。
为了进行这项研究，研究团队拍摄了患有和没有多发性硬化症或帕金森病的成年人在跑步机上行走的过程，并将数码相机聚焦在参与者的臀部和下肢上。那些没有神经疾病与患有多发性硬化症和帕金森病的参与者的年龄、体重和性别相匹配。走路练习还包括一些试验，参与者在走路的同时按顺序背诵字母表中的每一个字母。Sowers说，这个额外的任务是为了模拟现实世界中行走时的挑战，同时进行其他可能分散精神的任务。
他说:“这是一项新颖的研究，因为我们试图解决一个事实，即实验室与人们在野外的行为不同。”“当你在家的时候，你在做你想做的事，但你也在想，‘我关车库门了吗?我把炉子关了吗?”所以会增加认知负荷。”
研究人员使用开源工具分析视频，提取参与者在步行练习中如何移动的数据。
考尔说:“我们观察了臀部、膝盖、脚踝、大小脚趾和脚后跟的身体坐标。”考尔开发了一种分析这些坐标如何随时间移动的方法，以寻找患有和没有患有多发性硬化症或帕金森症的成年人之间的差异。
她用十几种传统机器学习和深度学习算法来测试她的方法的准确性。该团队还在新的研究对象上测试了这种方法，看看它是否能识别出患有多发性硬化症、帕金森症和两者都没有的人。
研究表明，在检测这些差异时，一些算法的准确率超过75%。
研究人员写道:“这项研究表明，廉价的基于视觉的系统在诊断某些神经疾病方面是可行的。”
科学家们说，让公众使用这些新工具可能需要几年的时间。
进一步探索
