ES2684568B1 - Methodology for the diagnosis of Parkinson's disease, using three-dimensional spirals - Google Patents
Methodology for the diagnosis of Parkinson's disease, using three-dimensional spirals Download PDFInfo
- Publication number
- ES2684568B1 ES2684568B1 ES201700503A ES201700503A ES2684568B1 ES 2684568 B1 ES2684568 B1 ES 2684568B1 ES 201700503 A ES201700503 A ES 201700503A ES 201700503 A ES201700503 A ES 201700503A ES 2684568 B1 ES2684568 B1 ES 2684568B1
- Authority
- ES
- Spain
- Prior art keywords
- spiral
- dimensional
- disease
- parkinson
- archimedes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
d e s c r ip c ió nd e s c r ip c io n
Metodología para la ayuda al diagnóstico de la enfermedad del Parkinson, mediante espirales tridimensionalesMethodology for the diagnosis of Parkinson's disease, using three-dimensional spirals
Objeto de la invenciónObject of the invention
La presente invención se refiere a un método de realización de análisis de los temblores funcionales que puedan padecer las personas. Para ello, se aplica un método basado en la toma de datos mediante sensores de detección de actividad volumétrica, captando por tanto la información en tres dimensiones. Con esta adquisición de datos tridimensional al realizar la espiral de Arquímedes, se obtendrán los temblores de forma natural, sin que ningún elemento influya en los mismos, como por ejemplo puntos de apoyo, cuando se hace sobre el papel o una tableta.The present invention relates to a method of performing analysis of functional tremors that people may suffer. For this, a method based on data collection is applied using sensors for detecting volumetric activity, thus capturing information in three dimensions. With this three-dimensional data acquisition when performing the Archimedes spiral, the tremors will be obtained naturally, without any element influencing them, such as footholds, when done on paper or a tablet.
A partir de estos datos obtenidos, se podrá determinar si dicho temblor pertenece o no a la enfermedad del Parkinson, gracias al uso de un sistema de clasificación basado en distancias euclídeas que calculará el grado del error frente una espiral de Arquimedes ideal.From these data obtained, it can be determined whether or not this tremor belongs to Parkinson's disease, thanks to the use of a classification system based on Euclidean distances that will calculate the degree of error against an ideal Archimedes spiral.
Antecedentes de la invenciónBackground of the invention
Siendo la enfermedad de Parkinson la segunda enfermedad neurodegenerativa que más afecta a las personas, después del Alzheimer, en lo que a técnicas para la detección de la misma se refiere, se encuentra con un número muy escaso de trabajos realizados en este campo.Parkinson's disease being the second neurodegenerative disease that most affects people, after Alzheimer's, in terms of techniques for the detection of it, is with a very small number of work done in this field.
En estos momentos existe un proyecto en pruebas con cierta similitud al propuesto. Se trata de un sistema que utiliza, al igual que en este trabajo, la espiral de Arquímedes, en dos dimensiones, utilizando la adquisición de datos a través de un dispositivo electrónico. There is currently a test project with some similarity to the one proposed. It is a system that uses, as in this work, the Archimedes spiral, in two dimensions, using data acquisition through an electronic device.
Por otro lado, un desarrollo realizado por profesionales de varios hospitales, trata de medir la habilidad motriz de las personas, a partir del análisis temporal del tecleo. Consiste en una solución que mide el tiempo de pulsación y liberación de las teclas durante el uso normal de un ordenador y lo convierte en un índice de motor. Para ello, utiliza la detección automática de patrones en la serie temporal empleando algoritmos de regresión de conjunto.On the other hand, a development carried out by professionals from several hospitals, tries to measure the motor ability of people, based on the temporal analysis of the click. It consists of a solution that measures the keystroke and release time during normal use of a computer and converts it into an engine index. To do this, it uses automatic pattern detection in the time series using set regression algorithms.
i) https://www.neuroqwerty.com/es/ i) https://www.neuroqwerty.com/es/
En cuanto al análisis de la calidad de Voz, existen trabajos que permiten estudiar los temblores, producidos por enfermedades neurodegenerativas. Uno de estos casos es un software desarrollado por el hospital Vithas Nuestra señora de América y el centro Tecnológico de Biomedicina de la Universidad Politécnica de Madrid, que proporcionan información sobre Defecto de Cierre Glótico y Vibración Asimétrica de los Pliegues Vocales.As for the analysis of Voice quality, there are works that allow the study of tremors, produced by neurodegenerative diseases. One of these cases is software developed by the Vithas Nuestra Señora de América hospital and the Biomedicine Technological Center of the Polytechnic University of Madrid, which provide information on Glotic Closure Defect and Asymmetric Vibration of the Vocal Folds.
ii) Pedro Gómez, Victoria Rodellar, Víctor Nieto, Rafael Martínez, Agustín Álvarez, Bartolomé Scola, Carlos Ramírez, Daniel Poletti1, Mario Fernández, "BioMet®Phon: A System to Monitor Phonation Quality in the Clinics”ii) Pedro Gómez, Victoria Rodellar, Víctor Nieto, Rafael Martínez, Agustín Álvarez, Bartolomé Scola, Carlos Ramírez, Daniel Poletti1, Mario Fernández, "BioMet®Phon: A System to Monitor Phonation Quality in the Clinics"
Por otro lado, en la actualidad existen varias pruebas médicas, en el ámbito clínico, para detectar la enfermedad del Parkinson:On the other hand, there are currently several medical tests, in the clinical setting, to detect Parkinson's disease:
• SPECT cerebral. El SPECT cerebral es una prueba gammagráfica, en la cual se utiliza una pequeña cantidad de radioactividad para obtener imágenes cerebrales, con lo cual se pueden detectar crisis parciales.• Brain SPECT. Cerebral SPECT is a scintigraphic test, in which a small amount of radioactivity is used to obtain brain images, with which partial seizures can be detected.
• PET cerebral: Es una tecnología dentro de la especialidad de la medicina nuclear.• Brain PET: It is a technology within the specialty of nuclear medicine.
Se basa en detectar y analizar la distribución adoptada por un radiofármaco dentro del cerebro.It is based on detecting and analyzing the distribution adopted by a radiopharmaceutical within the brain.
• Ecografía transcraneal: prueba médica que mediante ultrasonidos estimula la actividad neuronal.• Transcranial ultrasound: a medical test that stimulates neuronal activity using ultrasound.
Este repaso por el estado del arte, permite visualizar los trabajos y los modos de trabajo realizados hasta el momento, y demuestra la innovación de la propuesta, al trabajar con información tridimensional a la hora de obtener la información de los posibles usuarios del sistema.This review of the state of the art, allows to visualize the works and the ways of work done so far, and demonstrates the innovation of the proposal, when working with three-dimensional information when obtaining the information of the possible users of the system.
Sumario de la invenciónSummary of the invention
La presente invención se refiere a un método de realización de análisis que permite medir de manera no invasiva los temblores que puedan tener algunas personas, para asimilar dicho temblor al producido por la enfermedad del Parkinson. Este método se implementa siguiendo los siguientes cinco pasos:The present invention relates to a method of performing analysis that allows non-invasively measure the tremors that some people may have, to assimilate said tremor to that caused by Parkinson's disease. This method is implemented following the following five steps:
i) Obtención de los datos mediante el uso de sensores de detección de actividad volumétrica, para así realizar una prueba no invasiva de la representación de la espiral de Arquímedes.i) Obtaining the data through the use of sensors for detecting volumetric activity, in order to perform a non-invasive test of the representation of the Archimedes spiral.
ii) Pre-procesado de los datos obtenidos, para de esta manera, evitar factores como translación espacial, escalabilidad o rotación.ii) Pre-processed data obtained, in order to avoid factors such as spatial translation, scalability or rotation.
iii) Comparación de las espirales 3D obtenidas frente a la espiral de Arquímedes ideal, para así calcular los errores entre ambas representaciones.iii) Comparison of the 3D spirals obtained against the ideal Archimedes spiral, in order to calculate the errors between both representations.
iv) Definición de los umbrales por los que un temblor es considerado como temblor de Parkinson, o temblor funcional propio de la persona u otro tipo de enfermedad a realizar la espiral de Arquímedes.iv) Definition of the thresholds by which a tremor is considered as Parkinson's tremor, or functional tremor characteristic of the person or other type of disease to perform the Archimedes spiral.
v) Obtener un resultado en una escala numérica, que identifica el temblor a una persona sana, o propio de la enfermedad del Parkinson al implementar una representación tridimensional de la espiral de Arquímedes.v) Obtain a result on a numerical scale, which identifies the tremor to a healthy person, or characteristic of Parkinson's disease by implementing a three-dimensional representation of the Archimedes spiral.
Descripción de las figurasDescription of the figures
La figura 1 muestra en forma de diagrama de bloques los cinco pasos que conforma este método. El primer paso, es la adquisición de datos, que se realiza de forma no invasiva a trasvés de sensores. Le sigue el pre-procesado, donde se transforman los datos para evitar factores como el escalado, la rotación o la translación. Una vez pre-procesados los datos, se les aplica un algoritmo clasificador, en este caso el Dynamic Time Warping, cuyo resultado serán los errores entre las espirales adquiridas y la espiral patrón. Posteriormente, se fijan los valores umbrales por los cuales se van a poder diferenciar los temblores, y a razón de esto se podrá interpretar el resultado de la comparaciónFigure 1 shows in a block diagram the five steps that make up this method. The first step is the acquisition of data, which is done non-invasively through sensors. It is followed by preprocessing, where the data is transformed to avoid factors such as scaling, rotation or translation. Once the data is pre-processed, a classifying algorithm is applied, in this case the Dynamic Time Warping, the result of which will be the errors between the acquired spirals and the standard spiral. Subsequently, the threshold values are set by which the tremors will be able to be differentiated, and because of this the result of the comparison can be interpreted
La figura 2 muestra la ventana utilizada como guía, para hacer la prueba mas intuitiva al usuario.Figure 2 shows the window used as a guide, to make the test more intuitive to the user.
La figura 3 muestra una de las pruebas realizada a un paciente sano. En ella se puede observar la espiral captada por los sensores y representada en el plano X-Y. Figure 3 shows one of the tests performed on a healthy patient. In it you can see the spiral captured by the sensors and represented in the XY plane.
La figura 4 muestra una de las pruebas realizada a un paciente con temblor leve. En ella se puede observar la espiral captada por los sensores y representada en el plano X-Y.Figure 4 shows one of the tests performed on a patient with mild tremor. In it you can see the spiral captured by the sensors and represented in the X-Y plane.
La figura 5 muestra una de las pruebas realizada a un paciente con temblor moderado. En ella se puede observar la espiral captada por los sensores y representada en el plano X-Y. Figure 5 shows one of the tests performed on a patient with moderate tremor. In it you can see the spiral captured by the sensors and represented in the X-Y plane.
La figura 6 muestra una de las pruebas realizada a un paciente sano. En ella se puede observar la espiral captada por los sensores y representada en las tres dimensiones.Figure 6 shows one of the tests performed on a healthy patient. In it you can see the spiral captured by the sensors and represented in the three dimensions.
La figura 7 muestra una de las pruebas realizada a un paciente con temblor leve. En ella se puede observar la espiral captada por los sensores y representada en las tres dimensiones. Figure 7 shows one of the tests performed on a patient with mild tremor. In it you can see the spiral captured by the sensors and represented in the three dimensions.
La figura 8 muestra una de las pruebas realizada a un paciente con temblores moderados. En ella se puede observar la espiral captada por los sensores y representada en las tres dimensiones.Figure 8 shows one of the tests performed on a patient with moderate tremors. In it you can see the spiral captured by the sensors and represented in the three dimensions.
La figura 9 muestra la espiral de referencia, la espiral de Arquímedes ideal.Figure 9 shows the reference spiral, the ideal Archimedes spiral.
En la figura 10 se representa la espiral de Arquímedes ideal en tres dimensiones.Figure 10 shows the ideal Archimedes spiral in three dimensions.
Se muestra la Figura 11, como la imagen obtenida a la salida del algoritmo Dynamic Time Warping, al comparar una serie temporal tridimensional, procedente de una persona sana, resaltando en rojo el camino óptimo de deformaciónFigure 11 is shown, as the image obtained at the output of the Dynamic Time Warping algorithm , when comparing a three-dimensional time series, from a healthy person, highlighting the optimal deformation path in red
Se muestra la Figura 12, como la imagen obtenida a la salida del algoritmo Dynamic Time Warping, al comparar una serie temporal tridimensional, procedente de una persona con temblores moderados, resaltando en rojo el camino óptimo de deformaciónFigure 12 is shown, as the image obtained at the output of the Dynamic Time Warping algorithm, when comparing a three-dimensional time series, from a person with moderate tremors, highlighting in red the optimal deformation path
Descripción detallada de una realización preferida de la invenciónDetailed description of a preferred embodiment of the invention
La invención propuesta consiste en un método de realización de análisis que sea capaz de captar temblores funcionales a través de sensores no invasivos, en tres dimensiones al realizar la espiral de Arquímedes, para una posterior clasificación basada en estudio de errores, tal y como se indica en la figura 1.The proposed invention consists of a method of carrying out analysis that is capable of capturing functional tremors through non-invasive sensors, in three dimensions when performing the Archimedes spiral, for a subsequent classification based on error study, as indicated in figure 1.
El primer paso consiste en la adquisición de los datos que conforman la espiral de Arquímedes en tres dimensiones. Para ello se ha creado un dibujo que contiene la espiral a dibujar, para así, proponer una guía en la prueba, tal y como se muestra en la figura 2. The first step is the acquisition of the data that make up the spiral of Archimedes in three dimensions. For this purpose, a drawing has been created that contains the spiral to be drawn, in order to propose a guide in the test, as shown in Figure 2.
La adquisición de datos se realiza de forma aérea, a través de sensores de captación de la actividad volumétrica, realizada por la persona a analizar; por lo que el resultado obtenido es una serie temporal de tres componentes, una por cada posición tridimensional.The acquisition of data is carried out aerially, through sensors for capturing the volumetric activity, performed by the person to be analyzed; Therefore, the result obtained is a time series of three components, one for each three-dimensional position.
Una vez obtenidos los datos de la espiral de Arquímedes tridimensional a estudiar, se lleva a cabo un pre-procesado de estos datos, para de este modo, evitar factores como la magnitud, translación o rotación. Para este paso, es necesario normalizar los valores obtenidos para hacerlos independientes del escalado de cada espiral. La normalización aplicada responde a la siguiente expresión:Once the data of the three-dimensional Archimedes spiral to be studied is obtained, a pre-processing of these data is carried out, in order to avoid factors such as magnitude, translation or rotation. For this step, it is necessary to normalize the values obtained to make them independent of the scaling of each spiral. The normalization applied responds to the following expression:
x\n]x \ n]
^ n o r m a l i z a d a m ^ x [ n ^ iU U^ n o r m a l i z a d a m ^ x [n ^ iU U
Donde x[n] es una de las componentes de la serie temporal captada, y n la posición en el vector de la serie temporal.Where x [n] is one of the components of the captured time series, and n the position in the vector of the time series.
En lo referido a la independencia en el espacio, se aplica un procesado en derivadas de primer orden a cada uno de los tres ejes de las series temporales, donde la información discreta de las series temporales realizar una adaptación del concepto de derivada en funciones a dichos valores discretos, tal y como se recoge en la siguiente expresión:Regarding the independence in space, a first order derivative processing is applied to each of the three axes of the time series, where the discrete information of the time series make an adaptation of the concept of derivative in functions to said discrete values, as stated in the following expression:
Donde x[n] es una de las componentes de la serie temporal captada, y n la posición en el vector de la serie temporal de la representación de la espiral de Arquímedes.Where x [n] is one of the components of the time series captured, and n the position in the vector of the time series of the Archimedes spiral representation.
El siguiente paso es comparar la espiral obtenida mediante los sensores no invasivos, con la espiral ideal de Arquímedes. Para ello, se utiliza un sistema de clasificación como es el Dynamic Time Warping. Este algoritmo mide la similitud entre dos series temporales que pueden variar en tiempo o velocidad. Mediante el Dynamic Time Warping, se puede encontrar la alineación óptima entre series de dos veces si una serie temporal puede ser "deformada" no linealmente por estiramiento o contracción a lo largo de su eje de tiempo. The next step is to compare the spiral obtained by non-invasive sensors, with the ideal spiral of Archimedes. For this, a classification system such as Dynamic Time Warping is used. This algorithm measures the similarity between two time series that can vary in time or speed. Through Dynamic Time Warping, the optimal alignment between series can be found twice if a time series can be "deformed" not linearly by stretching or contraction along its time axis.
En la aplicación del sistema de clasificación, se mide el error como el resultado de la medida de la distancia euclídea, comparando la serie temporal tridimensional de la espiral de Arquímedes captada por los sensores, y la serie temporal ideal. Esta medida será el valor a establecer frente al umbral de decisión. Y el umbral se establece como el valor intermedio entre la media de las distancias euclídea de personas sanas y la media de personas con la enfermedad de Parkinson. In the application of the classification system, the error is measured as the result of the measurement of the Euclidean distance, comparing the three-dimensional time series of the Archimedes spiral captured by the sensors, and the ideal time series. This measure will be the value to be established against the decision threshold. And the threshold is set as the intermediate value between the average Euclidean distances of healthy people and the average of people with Parkinson's disease.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES201700503A ES2684568B1 (en) | 2017-03-30 | 2017-03-30 | Methodology for the diagnosis of Parkinson's disease, using three-dimensional spirals |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES201700503A ES2684568B1 (en) | 2017-03-30 | 2017-03-30 | Methodology for the diagnosis of Parkinson's disease, using three-dimensional spirals |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| ES2684568A1 ES2684568A1 (en) | 2018-10-03 |
| ES2684568B1 true ES2684568B1 (en) | 2019-09-09 |
Family
ID=63682524
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES201700503A Active ES2684568B1 (en) | 2017-03-30 | 2017-03-30 | Methodology for the diagnosis of Parkinson's disease, using three-dimensional spirals |
Country Status (1)
| Country | Link |
|---|---|
| ES (1) | ES2684568B1 (en) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006119186A2 (en) * | 2005-05-02 | 2006-11-09 | University Of Virginia Patent Foundation | Systems, devices, and methods for interpreting movement |
| GB2487713A (en) * | 2011-01-18 | 2012-08-08 | Univ York | Signal processing method and apparatus for detecting Parkinson's disease |
-
2017
- 2017-03-30 ES ES201700503A patent/ES2684568B1/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| ES2684568A1 (en) | 2018-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Short et al. | Validation of a computer modelled forensic facial reconstruction technique using CT data from live subjects: a pilot study | |
| Zulkarnain et al. | Digital data acquisition of shoulder range of motion and arm motion smoothness using Kinect v2 | |
| EP3376414B1 (en) | Joint movement detection system and method, and dynamic assessment method and system for knee joint | |
| KR101492803B1 (en) | Apparatus and method for breast tumor detection using tactile and near infrared hybrid imaging | |
| ES2673117T3 (en) | Breathing data analysis | |
| Bumacod et al. | Image-processing-based digital goniometer using OpenCV | |
| Lee et al. | Analysis of gait sub-movements to estimate ataxia severity using ankle inertial data | |
| CN112438723A (en) | Cognitive function evaluation method, cognitive function evaluation device, and storage medium | |
| Lu et al. | A system for limb-volume measurement using 3D models from an infrared depth sensor | |
| KR20260019436A (en) | Method and device for providing clinical evaluation information using image | |
| CN111354072B (en) | Scoliosis measurement system and method | |
| KR20160035497A (en) | Body analysis system based on motion analysis using skeleton information | |
| ES2684568B1 (en) | Methodology for the diagnosis of Parkinson's disease, using three-dimensional spirals | |
| CN107256390A (en) | The Functional evaluation device and method changed based on each position of hand in three-dimensional space position | |
| KR20130036526A (en) | Diagnosis device for face form using facial image and cephalometric image | |
| CN111862091A (en) | A system for early detection of syndromes based on phenotypic measurements | |
| JP2021068309A5 (en) | ||
| Cippitelli et al. | Validation of an optimized algorithm to use Kinect in a non-structured environment for Sit-to-Stand analysis | |
| De Luca et al. | Towards fully instrumented and automated assessment of motor function tests | |
| Nassajpour et al. | Smartphone-Based Balance Assessment Using Machine Learning | |
| JP2018089379A (en) | Bladder function evaluation program and bladder function evaluation method | |
| KR102248251B1 (en) | Medical diagnosis support apparatus using body heat information | |
| Nguyen et al. | Assessment of disease progression in Friedreich Ataxia using an instrumented self feeding activity | |
| Rosado et al. | A novel framework for supervised mobile assessment and risk triage of skin lesions | |
| Kutilek et al. | Comparison of methods of measurement of head position in neurological practice |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| BA2A | Patent application published |
Ref document number: 2684568 Country of ref document: ES Kind code of ref document: A1 Effective date: 20181003 |
|
| FG2A | Definitive protection |
Ref document number: 2684568 Country of ref document: ES Kind code of ref document: B1 Effective date: 20190909 |