文摘
长期的全面评估和目标监测是必要条件的帕金森病(PD)患者。最近生物技术的进步的发展各种类型的可穿戴传感器系统(穿在身上)。利用加速度计和陀螺仪,这些设备可以量化运动异常,包括减少活动和步态障碍,以及nonmotor迹象,如睡眠障碍、自主神经功能紊乱在PD。本文讨论了可穿戴设备方法论的固有问题。直到现在,平均值的分析motion-induced信号在某一天被广泛应用于PD患者的临床管理。另一方面,这些设备的可靠性检测各种事件,如冻结的步态和运动障碍,不是很令人满意。量化的特异变化而非特异性的变化是必要的。
1。介绍:可穿戴设备为什么临床上有必要吗?
帕金森病(PD)的特点是贫困的运动(运动不能)和渺小和缓慢的执行动作1- - - - - -4]。而多巴胺替代治疗能改善这些动作异常,PD患者遭受运动波动在高级阶段(1,2]。在这些条件下,常规临床检查不提供足够的为正确地管理这些病人临床信息,因为他们只能估计一个点的条件。不幸的是,患者不能访问医院的时候坏的电机赤字。除了这些问题,冻结的步态很难观察到考场由于增加的关注1- - - - - -4]。因此,医疗诊所的面试和身体检查通常不提供条件的全貌,因为他们不包含活动房屋。换句话说,没有条件的信息在医院/诊所外,治疗要小于理想。
医生已经清楚地意识到了这方面的临床管理。为了克服这个问题,日记已经使用了适当的帕金森病在整个24小时(估计3,4]。然而,这样的记录是主观的。患者的认知和注意力障碍也可能忽视的波动。因此,仍然有巨大的需求缺口在医生和病人之间的捕捉帕金森症状。帕金森的症状的详细截图和规划综合治疗策略,连续(长期)和帕金森症状的客观记录是必要的。
数字和生物技术的最新进展鼓励发展的许多类型的可穿戴传感器系统,可以监控整个24小时的体育活动5]。Maetzler et al。5)提出以下临床体征,目标可穿戴设备;(1)运动障碍,包括轴向残疾(步态和转会赤字,冻结的步态,不平衡,和频率的下降),在远端肢体动作迟缓,运动障碍,静止震颤、构音障碍,和二级低活动,和(2)nonmotor异常,包括睡眠障碍和自主神经功能障碍(5]。虽然许多类型的感应器和gyroscopes-mounted传感器已经发展5),基本的方法论问题各种传感器尚未系统地详细讨论。适当的和精确的解释从各种传感器获得的结果,临床医生应该理解背后的原则记录各种物品和用于记录和分析的方法。
本文的目的是提供一个审查每个传感器的固有的方法论的问题和这些问题如何影响录音设备的临床应用。特别是,我们讨论的问题仍然没有解决目前临床应用的每一个可穿戴设备用来量化PD患者的日常活动。
2。方法论的注意事项
可穿戴传感器系统在各种领域的广泛应用,不仅在医学科学也在娱乐、健身、体育(6]。他们是轻量级的,通常的形式设计的小型设备,可以固定在身体由乐队或包含在日常用品,例如,手表、手机、戒指,眼镜,和服装(6- - - - - -9),允许连续和低调的实时监测在实际设置。基本上,可穿戴设备包含至少一个传感器、信号处理器和显示。传感器收集的原始信号处理和结果显示,所示的用户可以实时追踪他们的生理数据(6]。有些设备配备无线通信,允许数据传输到远程站点(电脑,手机和基站)更广泛的分析和显示可能进行。测量的最大持续时间取决于电池寿命之间的最小和设备的内存容量。传感器的选择将取决于使用监控的目的(10]。例子以及用于检测人类运动的惯性传感器加速度计和陀螺仪等。
2.1。加速度计和陀螺仪
2.1.1。加速度计
加速度计检测加速度引起的身体运动。加速度测量的基本机制是解释为质量弹簧系统(11- - - - - -17];质量是流离失所的加速度时,产生一个力弹簧连接质量。然后,可以获得加速度胡克定律和牛顿第二定律(14]。目前有几种类型的感应器根据信号转导的方法;最常见的是压敏电阻,压电式和差动电容式加速度计(12- - - - - -17]。压电类型只是敏感动态加速度,而压敏电阻和电容式加速度计可以应对动态和静态加速度(如重力)。这样DC-responsive自然有助于确定主体的姿势静止,自倾角传感器(即。,the body segment onto which the sensor is attached) relative to the vertical (gravity) vector can be directly calculated from the sensor output [12,13]。这个功能已经利用accelerometry-based识别基本的日常活动(坐着,站着,躺着,散步,等等)(13,18,19],久坐行为[20.],跌倒的发生(9,12]。据报道,一个waist-mounted加速度计可以区分活动和休息和识别基本姿势(坐、站、躺)和它们之间的转换(21]。然而,个加速器有某些缺陷单独应用时步态等动态事件的检测。
(1)加速度计无法衡量在垂直方向旋转,使其识别困难的任务,例如,左和右转走。
(2)在大多数情况下,加速度传感轴将包含一个变量,虚假的贡献从轴的偏差引起的重力从全球水平。该组件离不开一个纯惯性组件基于加速度输出,生产过程中的重要错误运动分析(14,17]。
2.1.2。陀螺仪
陀螺仪检测身体旋转的角速度测量产生的科里奥利力在一个旋转参考系(16,17]。它们可以单独使用对人类动作捕捉。例如,陀螺仪在下肢步态模式提供有用的信息,比如段倾向,抑扬顿挫,步长,行走速度22]。陀螺仪的主要缺点是,他们要求高功耗,这限制了监测过程中23]。陀螺仪通常同时使用加速度计为了弥补上述个加速器和正确评估动态活动的局限性。加速度计和陀螺仪(有时磁力计)打包在一起构成一个电子装置称为惯性测量单元(IMU),这是一个最广泛使用的类型的可穿戴运动传感器。
2.2。身体活动监测
身体活动被定义为“任何身体运动所产生的骨骼肌,需要能量消耗”(24),提供一个有吸引力的目标加速度传感器的应用。为了捕捉基本的人类活动,加速计应包括−的振幅范围12 - 12 g和0到20赫兹的频率范围11)(尽管可能需要60 Hz频率检测脚加速度在脚跟罢工12,25])。第一次尝试客观地衡量体力活动水平个加速器可以追溯到1980年代(26]。从那时起,accelerometry-based身体活动研究极大地扩展27],加速度计被视为最有前途的工具评估的身体活动独立生存的条件下(11,28]。身体活动监视器已经商用在过去的二十年里,例如,长短(长短LLC)和StepWatch™(否定健康LLC) (10]。从这些设备是标准输出措施活动计数(这可能是任意的,developer-specific单位(25,26])和/或更普遍的数量,如步数和能量消耗。长短和StepWatch最常用的加速计步计数的准确性超过90% (29日]。估计能量消耗的有效性由个加速器依靠实验证据积累多年来,加速度计输出(例如,绝对垂直加速度在腰部的积分(25])与能量消耗密切相关(或耗氧量)(11,25,27]。的选择模型来描述这种关系决定了估计的准确性。预测方法仍在发展中实现更好的精度,从早期使用简单线性回归模型更复杂的方法基于当前机器学习等技术的发展和大型数据计算(26,30.]。
系统评价已发表的最近的研究accelerometry-based身体活动监测,特别注重分析技术(31日,长期监测健康老年人(≥24 h) (32和神经障碍患者33]。
2.3。步态分析
可穿戴传感器广泛用于人类的步态分析和探索各种各样的步态特征(16,34]。步态分析的第一步是确定主题的脚步事件,使简单的计算基本步态参数包括许多步骤,步骤或跨间隔(或终止),步态可变性和不对称。检测准确的一步是更深入的步态分析的先决条件。可以检测步态步骤从一个树干加速度计通过使用改进等算法,Pan-Tompkins, Dual-axial,狼方法(35,36]。最近,更强大的算法已经提出,可以提取初始接触(脚跟罢工)和最后接触(脚趾头)步态事件从一个waist-mounted加速度计(37,38]或IMU [39),导致适当的评估基本步态的阶段,也就是说,立场,秋千,和双支持。此外,通过采用shoe-mounted个加速器,两个步态事件(heel-off和脚趾罢工除了脚跟罢工和脚趾头)可以精确确定(40]。步态可变性和不对称从而获得的加速度计与实验室显示可怜的协议参考(仪器通道)。有趣的是,这似乎是由于更高灵敏度的个加速器,可以持续跟踪整个身体运动期间走(38]。
未来人类的步态行走速度的重要参数,步长,步行距离。这些参数很容易获得的,如果我们可以正确地跟踪的位置行走主题。原则上,一个移动身体的绝对速度和位置可以通过积分计算平移加速度从运动传感器随着时间的推移,一次,两次。不幸的是,这是不可能的在实际实践中,因为集成加速度放大甚至微小的错误(1)偏见漂移和噪声,从重力(2)虚假的贡献41),导致重大的基线漂移,随时间快速增长。这种漂移可能被消除时,集成结合高通滤波的信号,但得到的值不是一个绝对位置或速度但相对位移或速度。虽然很难确定步长和步行速度直接从加速度数据,几个数学模型来预测这些参数进行了设计。
(1)的相对垂直位移树干走边双积分计算的垂直加速度。这是转化为向前位移(步长)的帮助下行走的倒立摆模型(42,43]。
(2)从trunk-mounted提取一组特性三维(3 d)加速度计信号,用于计算步行距离或速度使用机器学习算法(44]。
(3)步长估计从频率步(节奏)42)基于这两个参数之间的线性关系正常步态(45]。
就其性质而言,方法的应用(3)并不局限于(trunk-mounted)个加速器;它可以扩展,结合自适应算法,惯性设备连接在身体的其他部位,例如,foot-mounted加速度计(46),腕带式(如smart-watch) [47),或手持48,49艾莫斯。此外,在这种情况下,没有必要从传感器信号检测步骤事件识别步骤频率;相反,信号的功率谱可以提供令人满意的信息在频率步46,48]。
固有的错误的集成加速度可以显著减少当foot-worn艾莫斯采用位置跟踪(50]。
(1)为了消除重力的组件,传感器信号在设备坐标系转换到全局坐标系通过坐标变换矩阵。通常在四元数表示,矩阵可以通过积分陀螺仪的输出51]。
(2)速度沿三个轴通过集成计算加速度在全球框架,其中包括错误由于偏见漂移和噪声。走路时,脚与地面接触的很短的一段时间,在此期间所有foot-worn传感器的动态加速度和速度应该是零。然后,计算速度可以被重置为零的时候每足事件,这意味着集成误差不积累。这种技术被称为“零速度更新”(52]。
3 d-foot运动学可以完全复制通过这种方式,不仅提供一个准确的估计,步长和步行速度还有其他时空的步态参数,如脚间隙和转向角(53]。IMU-based运动学分析构成个人船位推算的基础(50,54),一个跟踪的过程采取的路线走个人没有GPS。此外,它可以扩展,加上一个合适的人体的生物力学模型,如果多个传感器位于身体的不同部分除了脚。为例,通过分析信号从7艾莫斯放置在下肢(脚、胫骨、大腿和骨盆),整个腿的运动学已经准确地重建,以分层的方式,从脚到胫骨,大腿,臀部(55]。此外,Xsens MVN、全身运动跟踪西装,已经商业化,由17个艾莫斯和可以捕获任何身体运动包括散步和跑步56]。
可穿戴传感器可以在执行一个全面对比临床实验室和独立生存的步态分析。发现生活无拘束的步态表现出更低的节奏和更高的比laboratory-assessed步态变化[57,58]。这一发现表明实验室评估可能反映了主体的最优性能,不是他/她的典型性能(57]。此外,长期独立生存的数据验证“轮”的重要性在步态分析中,它被定义为时间花在连续的步行。德尔喧嚣和同事(58)建议步态特征获得了应再发作(例如,至少10秒),以区分正常和PD步态。维斯et al。59,60)提取的发作与≥1分钟时间为期3天的加速度计记录和计算几种步态措施从这些发作。
2.4。单个和多个传感器
使用传感器的数量取决于几个因素之间的权衡,例如,成本、可用性、合规,和(大部分)监测的目的12]。毫无疑问,肢体动作上的多个传感器提供更多的信息,便于更好的理解人类活动。沿着这条线一个关键挑战是无线区域网络,这是一个小型的网络,无线传感器在人体或对使用者身体机能和环境进行监控和无处不在的医疗系统作为核心技术(61年- - - - - -63年]。戴着许多传感器可以缓解的复杂性通过整合所有感应到衣服(56,64年]。
然而,需要采用最小数量的传感器单元,考虑易用性和成本效率。减少传感器的数量是一个明智的选择的质量尤其是信息不受影响;即,相同的结果集的措施可以从更少的传感器获得的帮助下复杂的分析算法和数学建模65年]。最极端的方法是只使用一个传感器安装在一个位置对身体(12]。教程可以在如何进行实际的步态评价单一、低成本、开源可穿戴传感器(66年]。此外,单一传感器运动分析最近流行由于获得负担得起的,现成的智能设备,如智能手机和smartwatches内置惯性传感器(67年,68年]。低调的监控的智能设备是理想的,因为他们现在成为许多人日常的同伴,不干扰用户的正常的日常活动,而独立的惯性传感器。目前研究应用这样的消费设备运动分析是集中在两个重要的问题。一个是验证装置的性能对建立(金标准)方法(68年- - - - - -70年]。在这种情况下,特别是在步态分析,选择trunk-mounted配置,结果看起来非常有前途。另一个问题是应对电话环境问题67年,71年]。即智能手机的位置不断变化取决于上下文;他们是放在口袋里,包里,或手持打电话,发短信,等等(49,72年]。任何分析算法开发在一个固定的传感器位置的前提下将无法在这种情况下工作。因此,健壮的、自适应算法设计需要,可以自动识别不同的设备构成和人类活动。
3所示。临床应用
3.1。PD电动机状态监测技术
提出了各种可穿戴技术评估各种领域的电机在PD的地位,例如,地震,冻结的步态,下降,姿势不稳定,动作迟缓,运动障碍(5,23,73年- - - - - -76年]。
Ullah et al。61年)当前文献的系统回顾基于技术的设备用于评估PD。他们分类下面的可穿戴设备“建议”:移动实验室™(77年,78年),Physilog®(79年),StepWatch 3, TriTrac RT3, DynaPort [80年,81年],AX3 [82年]。个人电影摄影机(PKG)也被广泛用于PD患者的临床管理。这些设备是用来记录变化的总体运动(自愿的肢体和躯干movements-induced信号)和步态障碍的分析。表1总结了上述设备的主要特点。
最近机器学习的进步有助于揭示隐藏在传感器数据重要的临床信息。例如,Klucken et al。83年]提出使用智能嵌入式步态分析技术(eGaIT)监测帕金森病的运动步态障碍的迹象。eGaIT系统从信号中提取694步态特征记录与shoe-mounted艾莫斯,在模式识别算法应用于分类不同浩英阶段或不同程度的运动障碍(UPDRS-III)。
监测治疗的影响是另一个最近的研究的焦点。此外,可穿戴技术已被用来提供PD患者实时培训对他们的电机性能在家庭环境84年]。此外,而惯性传感系统是非常强大的工具,监测电机干扰,也可以应用于识别nonmotor障碍包括睡眠障碍和自主神经功能障碍(5]。此外,它可能会捕捉,虽然间接,基于这些系统因为人类运动认知方面,可以直接评估的惯性传感器,是紧密联系在一起的认知(75年]。
3.2。临床研究
正如在前一节中所讨论的,许多研究已经成功地和准确地记录了著名的汽车在PD使用可穿戴设备异常。Maetzler et al。5)审查这些试点研究的临床应用的有效性。他们的评论可以概括如下:(1)贫困的整体运动和小/缓慢的动作执行可以估计减少motion-induced加速度。(2)帕金森步态特征可以通过减少步幅特征,在节奏缓慢,步行速度下降。(3)冻结步态可以捕获freezing-induced加速度信号的突变,这不同于正常gait-induced信号。
这些估计是合理的,因为大多数研究量化的特性,可以通过体检。另一方面,维斯和他的同事们已经选择特性,可以发现只使用accelerometer-mounted可穿戴设备(59,60,85年- - - - - -87年]。他们计算了PD患者的步态周期时间和step-to-step可变性(59,60,85年- - - - - -87年]。他们报道更高一个步骤变化跌幅比nonfallers [59,86年比nonfreezers[]和冰柜60]。
3.3。开放的问题
正如前一章所讨论的,movement-induced加速度或陀螺仪用于监控PD的运动特性。几项研究量化各种异常记录在无限制的PD患者的日常活动。这些研究表明信号有效性的存在两个主要问题。
第一个问题是传感器的位置。传感器可能放置在目标运动的部位可以最有效地测量。然而,现在还没有共识人员关于最好的传感器放置在PD患者解剖区域(23,74年]。让我们以冻结步态作为一个例子,这是与快速颤抖的双腿。早期的研究试图通过惯性传感器来检测异常运动下肢(即附加。、小腿、大腿和脚)(88年]。近年来,研究集中在其他领域更容易安装的传感器,如腰(89年,90年和手腕91年]。在这方面,最近的一项调查对用户偏好身体上放置这些设备发现手腕,胳膊,腰比下肢患者中更喜欢(在这种情况下,骨关节炎患者)92年]。
第二个问题是可靠性检测到的事件。例如,一个设备,不断监控gait-induced加速度精确估计振幅(力)和周期的平均值(节奏)的步态加速度在某一天93年,94年]。通过使用这些平均值,每日行走的运动过慢特性可以成功地量化93年,94年]。相比之下,尽管检测冻结步态详尽的努力,这种设备的敏感性和特异性有待改进(5]。虽然提出了一些算法来提高检测的频率或振幅衰减的变化,这两种特征的冰点,敏感性和特异性不尽如人意(5]。同样,很难捕捉运动障碍。突然增加的活动显示出现运动障碍(93年]。然而,患者自愿移动四肢突然增加加速度在日常生活中。突然自愿肢体运动的运动学特征相似的运动障碍(93年,94年]。冻结与穿着,药物引起的运动障碍是一个重要的问题在PD患者的管理。毫无疑问,在这一领域的进一步发展是必要的。
最后,确定准确的PD病理生理变化,可穿戴设备应该量化疾病特性变化而非特异性的变化。先前的研究表明,量化生产PD-specific赤字的推动力量或设置的节奏完全可以捕获异常的严重程度在PD患者中,与非特异性变化的捕捉步态参数,如减少步幅、节奏、速度(93年,94年]。算法能够检测PD-specific改变电动机的赤字是可取的。
总之,许多努力来检测活动或步态一直使用加速度计——或者gyroscopes-mounted可穿戴设备来完成。技术进步在这些设备的建设已经打开门新时代运动状态的评估在日常生活。然而,更可靠的PD-specific病理生理变化的敏感性和量化应该增加可穿戴设备的临床价值,从而加强我们对临床状况的理解,帮助有效的治疗策略的选择。还需要进一步的研究来进行相同的研究大量的控制患者。
的利益冲突
作者宣称没有利益冲突。