Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/18291
metadata.dc.type: Tese
metadata.dc.rights: Acesso Aberto
Title: Visualização e classificação de características para a discriminação entre indivíduos com a doença de Parkinson submetidos a tratamento com Levodopa e estimulação profunda do cérebro
metadata.dc.creator: Machado, Alessandro Ribeiro de Pádua
metadata.dc.contributor.advisor1: Andrade, Adriano de Oliveira
metadata.dc.contributor.advisor-co1: Pouratian, Nader
metadata.dc.contributor.referee1: Pereira, Adriano Alves
metadata.dc.contributor.referee2: Sousa, Gilmar da Cunha
metadata.dc.contributor.referee3: Fernandes, Luciane Fernanda Rodrigues Martinho
metadata.dc.contributor.referee4: Pinheiro Júnior, Carlos Galvão
metadata.dc.description.resumo: Ao longo dos anos vários tratamentos têm sido adotados para o gerenciamento do comportamento motor em pessoas que sofrem da Doença de Parkinson, incluindo tratamentos baseados em medicamentos e Estimulação Profunda do Cérebro. Geralmente a eficácia desses tratamentos é avaliada através de mensurações subjetivas, onde os resultados estão sujeitos a erros e dependem da experiência do examinador. Neste estudo foram empregadas análises objetivas com a finalidade de se visualizar e capturar diferenças motoras entre grupos de pacientes com Doença de Parkinson submetidos ao tratamento medicamentoso e à Estimulação Profunda do Cérebro e um grupo controle com sujeitos saudáveis. Um total de 38 sujeitos participaram desta pesquisa, sendo 10 indivíduos saudáveis pertencentes ao grupo controle, 12 indivíduos com a doença de Parkinson tratados com a Estimulação Profunda do Cérebro e 16 indivíduos com a Doença de Parkinson tratados com medicamento. Os sujeitos foram avaliados através de monitoramento durante a execução de três tarefas dinâmicas (movimento de pinça dos dedos, movimento de levar o dedo indicador ao nariz, supinação e pronação do antebraço) e uma tarefa estática (cotovelo em extensão sem a realização de movimentos voluntários). Com o objetivo de se mensurar o movimento e a atividade muscular resultantes dessas tarefas, dois pares de sensores inerciais e dois pares de sensores eletromiográficos foram utilizados. A extração de características foi utilizada para se estimar informações relevantes sobre os dados e, então, as características em espaço de alta dimensionalidade foram reduzidas em um espaço de baixa dimensionalidade através do mapeamento não linear de Sammon. O método estatístico de análise de variância não paramétrico foi empregado para a verificação de diferenças relevantes entre os grupos (p<0,05). Adicionalmente, o método de validação cruzada K-fold para análises discriminantes foi empregado para a classificação dos dados. Os resultados mostraram diferenças visuais e estatísticas para todos os grupos e condições. Os métodos empregados foram bem-sucedidos para a discriminação entre os grupos, sendo, portanto, eficientes para a caracterização das diferenças com uma taxa média de sucesso de 81%±6% (média ± o desvio padrão) e 71%±8%, para os grupos de classificação e teste, respectivamente. Esse estudo mostrou a discriminação entre grupos de pessoas em condições saudáveis e não-saudáveis. Os métodos empregados foram capazes de discriminar indivíduos com a Doença de Parkinson tratados com levodopa e Estimulação Profunda do Cérebro, contribuindo assim para a objetiva caracterização e visualização das características extraídas dos sensores inerciais e eletromiográficos para cara grupo investigado.
Abstract: Over the years, a number of distinct treatments have been adopted for the management of the motor symptoms of Parkinson’s disease (PD), including pharmacologic therapies and deep brain stimulation (DBS). Efficacy is most often evaluated by subjective assessments which are prone to error and dependent on the experience of the examiner. Our goal was to identify an objective means of assessing response to therapy. In this study, we employed objective analyses in order to visualize and identify differences between three groups: healthy control (N=10), subjects with PD treated with DBS (N=12), and subjects with PD treated with levodopa (N=16). Subjects were assessed during execution of three dynamic tasks (finger taps, finger to nose, supination and pronation) and a static task (rest, i.e., extended arm with no active movement). Measurements were acquired with two pairs of inertial and electromyographic sensors. Feature extraction was applied to estimate the relevant information from the data after which high-dimensional feature space was reduced to a two-dimensional space by using the nonlinear Sammon’s map. The statistical method Non-Parametric Analysis of Variance was employed for the verification of relevant statistical differences among the groups (p < 0.05). In addition, K-fold cross-validation for discriminant analysis based on Gaussian Finite Mixture Modeling was employed for data classification. The results showed visual and statistical differences for all groups and conditions (i.e., static and dynamic tasks). The employed methods were successful for the discrimination of the groups. Classification accuracy was 81%±6% (mean ± standard deviation) and 71%±8%, for classification and test groups respectively. This research showed the discrimination between healthy and diseased groups conditions. The methods were also able to discriminate individuals with PD treated with DBS and levodopa. These methods enable objective characterization and visualization of features extracted from inertial and electromyographic sensors for different groups.
Keywords: Engenharia elétrica
Parkinson, Doença de
Estimulação Profunda do Cérebro
Sensores inerciais
Eletromiografia
Parkinson’s disease
Deep Brain Stimulation
Levodopa
Inertial sensors
Electromyography
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Uberlândia
metadata.dc.publisher.program: Programa de Pós-graduação em Engenharia Elétrica
Citation: MACHADO, Alessandro Ribeiro de Pádua. Visualização e classificação de características para a discriminação entre indivíduos com a doença de Parkinson submetidos a tratamento com Levodopa e estimulação profunda do cérebro. 2016. 90 f. Tese (Doutorado em Ciências) - Universidade Federal de Uberlândia, Uberlândia, 2016.
URI: https://repositorio.ufu.br/handle/123456789/18291
Issue Date: 21-Feb-2017
Appears in Collections:TESE - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
VisualizacaoClassificacaoCaracteristicas.pdfTese14.12 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.