Разработка автоматизированного подхода к объективной оценке нарушений тонких движений кисти
DOI:
https://doi.org/10.37482/2687-1491-Z275Ключевые слова:
последствия инсульта, тонкие движения кисти, компьютерные технологии в медицине, машинное обучение, диагностика нарушений мелкой моторики, графомоторная диагностика на планшетеАннотация
Проблема восстановления моторной функции кисти актуальна в связи со значительным вкладом верхних конечностей в самообслуживание, осуществление повседневных и профессиональных действий. В настоящее время возникла острая необходимость разработки компьютерных технологий, позволяющих объективно оценивать и эффективно восстанавливать тонкую моторику кисти, в т. ч. в домашних условиях. Цель работы – разработка и оценка эффективности подхода на основе методов машинного обучения и работы с пером графического планшета к диагностике и, в перспективе, восстановлению графомоторных навыков у пациентов, перенесших острое нарушение мозгового кровообращения (ОНМК) и имеющих вследствие этого нарушение функции тонких движений кисти. Материалы и методы. Оценивалась статистическая различимость признаков, позволяющих разграничить здоровых людей и пациентов, перенесших ОНМК, на базе параметров, связанных с положением пера на графическом планшете, а также давления на пластину, угла наклона пера к планшету. Для этого обследуемые на планшете обводили пером предложенные стандартные образы. Контрольную группу составили 15 здоровых добровольцев (возраст 21–45 лет), группу исследования – 15 чел. с последствиями ОНМК (возраст 43–76 лет). Результаты. Выделены признаки, статистически значимо различающиеся у здоровых людей и пациентов после ОНМК; оценена применимость для двухклассовой классификации как полного набора данных, так и сокращенного, содержащего только признаки со статистическими различиями; проведено сравнение 5 различных классификаторов в решении задачи определения классов «здоровый/пациент» по экземпляру записи из собранного набора данных. Обучение стандартных классификаторов показало, что при использовании сокращенного набора признаков качество классификации остается высоким (например, для деревьев решений с ансамблированием точность классификации составляет 95,8 %), что подтверждает перспективность предложенного набора для дальнейшей клинической валидации и применения в скрининговых исследованиях.
Финансирование. Данная работа выполнялась в рамках Программы развития Томского государственного университета систем управления и радиоэлектроники на 2025–2036 годы Программы стратегического академического лидерства «Приоритет 2030».
Скачивания
Библиографические ссылки
Физическая и реабилитационная медицина: нац. рук. / под общ. ред. Г.Н. Пономаренко. М.: ГЭОТАР-Медиа, 2016. 685 с.
Инсульт // Всемир. организация здравоохранения: [офиц. сайт]. URL: https://www.who.int/ru/news-room/fact-sheets/detail/stroke (дата обращения: 20.02.2026).
Khellaf A., Khan D.Z., Helmy A. Recent Advances in Traumatic Brain Injury // J. Neurol. 2019. Vol. 266, № 11. P. 2878–2889. https://doi.org/10.1007/s00415-019-09541-4
Восстановительная неврология: инновационные технологии в нейрореабилитации / под ред. Л.А. Черниковой. М.: Мед. информ. агентство, 2016. 344 с.
Purk M., Fujarski M., Becker M., Warnecke T., Varghese J. Utilizing a Tablet-Based Artificial Intelligence System to Assess Movement Disorders in a Prospective Study // Sci. Rep. 2023. Vol. 13, № 1. Art. № 10362. https://doi.org/10.1038/s41598-023-37388-3
Willemse I.H.J., Schootemeijer S., van den Bergh R., Dawes H., Nonnekes J.H., van de Warrenburg B.P.C. Smartphone Applications for Movement Disorders: Towards Collaboration and Re-Use // Parkinsonism Relat. Disord. 2024. Vol. 120. Art. № 105988. https://doi.org/10.1016/j.parkreldis.2023.105988
Klymenko G., Liu K.P.Y., Bissett M., Fong K.N.K., Welage N., Wong R.S.M. Development and Initial Validity of the In-Hand Manipulation Assessment // Aust. Occup. Ther. J. 2018. Vol. 65, № 2. P. 135–145. https://doi.org/10.1111/1440-1630.12447
Li Q., Gong R., Hase K. A Comprehensive Objective Evaluation Method for Handwriting Assistive Devices Using a Tablet and Digital Pen for Individuals with Upper Limb Dysfunction // Appl. Sci. 2024. Vol. 14, № 23. Art. № 11190. https://doi.org/10.3390/app142311190
Drotár P., Mekyska J., Rektorová I., Masarová L., Smékal Z., Faundez-Zanuy M. Evaluation of Handwriting Kinematics and Pressure for Differential Diagnosis of Parkinson’s Disease // Artif. Intell. Med. 2016. Vol. 67. P. 39–46. https://doi.org/10.1016/j.artmed.2016.01.004
Гржибовский А.М., Иванов С.В., Горбатова М.А. Описательная статистика с использованием пакетов статистических программ Statistica и SPSS // Наука и здравоохранение. 2016. № 1. С. 7–23. https://doi.org/10.24412/cl-16507658
Фадейкина О.В., Волкова Р.А., Карпова Е.В. Статистическая обработка результатов аттестации биологических стандартных образцов: применение критерия Манна–Уитни // Хим.-фармацевт. журн. 2019. Т. 53, № 7. С. 54–58. https://doi.org/10.30906/0023-1134-2019-53-7-54-58
Nelli F. Machine Learning with Scikit-Learn // Nelli F. Python Data Analytics: With Pandas, Numpy, and Matplotlib. Berkeley: Apress, 2023. Р. 259–287.
Altman N., Krzywinski M. Ensemble Methods: Bagging and Random Forests // Nat. Methods. 2017. Vol. 14, № 10. P. 933–935. https://doi.org/10.1038/nmeth.4438
Ежова В.М., Кошечко Д.Е., Фоминых С.А. Определение статистически значимых динамических параметров подписи при отслеживании динамики реабилитации после инсульта // Электрон. средства и системы управления. Материалы докл. Междунар. науч.-практ. конф. 2024. № 1-2. С. 44–46.
Alalayah K.M., Senan E.M., Atlam H.F., Ahmed I.A., Shatnawi H.S.A. Automatic and Early Detection of Parkinson’s Disease by Analyzing Acoustic Signals Using Classification Algorithms Based on Recursive Feature Elimination Method // Diagnostics (Basel). 2023. Vol. 13, № 11. Art. № 1924. https://doi.org/10.3390/diagnostics13111924
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Ежова В.М., Фоминых С.А., Кошечко Д.Е., Рахманенко И.А., Костюченко Е.Ю., Жарова А.А., Диш А.Ю.

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.