Publikationer

Automatiska metoder för att detektera FOG med hjälp av frysningsindex (FI) har i stor utsträckning föreslagits för att systematiskt övervaka FOG i verkliga livet och vägleda terapioptimering. Metoder för att uppskatta FI har emellertid förlitat sig på ett brett spektrum av mätteknologier och beräkningsmetoder, ofta utan matematisk stringens. Denna brist på standardisering har allvarligt hindrat FI:s acceptans av regulatoriska myndigheter som ett reproducerbart, robust, effektivt och säkert mått att basera vidare utveckling på. I denna studie formaliserar vi definitionen av FI och föreslår en rigorös, explicit uppskattningsalgoritm som kan fungera som en standard för framtida tillämpningar. Denna standardisering ger ett konsekvent och tillförlitligt riktmärke.

Försämring av gången kan användas som en biomarkör för åldrande och neurologiska sjukdomar. Kontinuerlig gångövervakning och analys är avgörande för tidig upptäckt av brister och personlig reha- bilitering. Användningen av mobila och bärbara tröghetsensorsystem för gångövervakning och analys har utforskats väl med lovande resultat i litteraturen. I detta arbete utvecklade vi ett tröghetssensorbaserat gånganalyssystem i skon för realtidsövervakning av gång och undersökte den optimala samplingsfrekvensen för att fånga all information om gångmönster. En explorativ validerings- studie utfördes med hjälp av ett optiskt rörelsefångstsystem på fyra friska vuxna försökspersoner.

Rörelsefångstsystem är allmänt accepterade som referensstandard för gånganalys och används för validering av andra gånganalyssystem. Hittills har deras tillförlitlighet och begränsningar vid manuell märkning av gånghändelser inte studerats. Mål: Utvärdera osäkerhet vid manuell märkning och introducera en hybridmodell för stegdetektering och uppskattning av gånghändelser för autonom, långsiktig och fjärrövervakning. Metoder: Uppskatta inkonsekvenser mellan märkare genom att beräkna överensstämmelsegränser. Utveckla en hybridmodell baserad på dynamisk tidsförvrängning och konvolutionella neurala nätverk för att identifiera giltiga steg och eliminera icke-stegdata i tröghetsmätningsdata (gång) som samlats in av en bärbar enhet. Slutligen detektera gånghändelser inom ett giltigt stegområde.