Using Machine Learning Algorithms for Neurodegenerative Disease Gait Classification

Abstract

La detección de los síntomas de las enfermedades neurodegenerativas suele producirse en las últimas fases de la enfermedad, por lo que una detección temprana ayudaría a mejorar la calidad de vida del paciente. La base de datos PhysioNet proporciona información sobre la biomecánica de pacientes con la enfermedad de Parkinson (EP), la esclerosis lateral amiotrófica (ELA) y la enfermedad de Huntington (EH). En este trabajo se utilizan datos espacio-temporales para medir el coste energético y la densidad espectral de potencia en estas patologías. Se utilizan técnicas de c-medias difusas, algoritmo de aprendizaje para el análisis de datos multivariados - LAMDA, y redes neuronales para clasificar datos de marcha de voluntarios con enfermedades neurodegenerativas y un grupo de control. Se entrenaron clasificadores de dos clases: Ctrl+PD, Ctrl+PD y Ctrl+HD. El emparejamiento mejoró el ajuste de LAMDA con un 98,3%, el de la red neuronal con un 97,0% y el de Fuzzy C-means con un 90,2%. El uso potencial de estas técnicas de clasificación permitirá la detección temprana de enfermedades neurodegenerativas, incluyendo nuevos dispositivos que permitan el análisis de la marcha fuera del laboratorio.