Resumen de Representaciones tiempo-frecuencia basadas en sensores inerciales para caracterizar la marcha en la enfermedad de Parkinson

Marlon E. Bedoya Vargas, Juan C. Vásquez Correa, Juan R. Orrozco Arroyave

• español

  La Enfermedad de Parkinson (EP) es un desorden neurodegenerativo del sistema nervioso central, cuyas características principales incluyen entre otras la rigidez, bradicinesia y pérdida de los reflejos posturales. El diagnóstico de la EP está basado en análisis de la historia clínica y evaluaciones físicas realizadas a los pacientes. El monitoreo del estado neurológico de los pacientes está basado en valoraciones subjetivas que realizan los neurólogos. El análisis de la marcha usando sensores inerciales aparece como un instrumento sencillo y útil para ayudar en el proceso de diagnóstico y monitoreo de los pacientes con EP. En este artículo usamos el sistema eGaIT, el cual captura señales de acelerómetro y giróscopo del proceso de marcha para evaluar las habilidades motoras de los pacientes. Las transformadas de Fourier y Wavelet son utilizadas para extraer medidas basadas en energía y entropía en el dominio de Tiempo-Frecuencia. Las características extraídas son utilizadas para discriminar entre pacientes con EP y personas sanas. De acuerdo con los resultados, es posible clasificar estos dos grupos con una precisión de hasta el 94 %.

• English

  Parkinson’s Disease (PD) is a neurodegenerative disorder of the central nervous system whose main symptoms include rigidity, bradykinesia, and loss of postural reflexes. PD diagnosis is based on an analysis of the medical record and physical examinations of the patient. Besides, the neurological state of patients is monitored with subjective evaluations by neurologists. Gait analysis using inertial sensors was introduced as a simple and useful tool that supports the diagnosis and monitoring of PD patients. This work used the eGaIT system to capture the signals of the accelerometer and the gyroscope of the gait in order to evaluate the motor skills of patients. Fourier and wavelet transform were used to extract measurements based on energy and entropy in the time-frequency domain. The extracted characteristics were used to recognize differences between PD patients and healthy individuals. The results enabled to classify said groups with an accuracy of up to 94%.