Publikasjoner

Automatiske metoder for å oppdage gangfrysing (FOG) ved bruk av fryseindeksen (FI) har blitt foreslått i stor utstrekning for å systematisk overvåke FOG i dagliglivet og veilede terapioptimaliseringer. Metoder for å estimere FI har imidlertid vært avhengige av et bredt spekter av måleteknologier og beregningsmetoder, og har ofte manglet matematisk strenghet. Denne mangelen på standardisering har i alvorlig grad hindret regulatoriske myndigheters aksept av FI som et reproduserbart, robust, effektivt og trygt mål å basere videre utvikling på. I denne studien formaliserer vi definisjonen av FI og foreslår en streng, eksplisitt estimeringsalgoritme som kan fungere som en standard for fremtidige applikasjoner. Denne standardiseringen gir en konsistent og pålitelig referanse.

Svekkelse av gangfunksjon kan brukes som en biomarkør for aldring og nevrologiske sykdommer. Kontinuerlig gangovervåking og analyse er avgjørende for tidlig påvisning av mangler og personlig tilpasset reha‐ bilitering. Bruken av mobile og bærbare treghetssensorsystemer for gangovervåking og analyse har blitt godt utforsket med lovende resultater i litteraturen. I dette arbeidet utviklet vi et treghetssensorbasert in-shoe-system for ganganalyse for sanntidsovervåking av gange, og undersøkte den optimale samplingsfrekvensen for å fange opp all informasjon om gangmønstre. En eksplorativ valide‐ ringsstudie ble utført ved bruk av et optisk bevegelsesfangstsystem på fire friske voksne forsøkspersoner.

Bevegelsesfangstsystemer er allment akseptert som gullstandard for ganganalyse og brukes til validering av andre ganganalysesystemer. Til dags dato har deres pålitelighet og begrensninger ved manuell merking av ganghendelser ikke blitt studert. Mål: Evaluere usikkerhet ved manuell merking og introdusere en hybridmodell for gjenkjenning av skritt og estimering av ganghendelser for autonom, langsiktig og ekstern overvåking. Metoder: Estimere inkonsistens mellom merkerne ved å beregne samsvarsgrenser (limits-of-agreement). Utvikle en hybridmodell basert på dynamisk tidsforvrengning (dynamic time warping) og konvolusjonelle nevrale nettverk for å identifisere gyldige skritt og eliminere data som ikke er skritt i treghetsdata (gange) samlet inn av en bærbar enhet. Til slutt, detektere ganghendelser innenfor et gyldig skrittområde.