Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/31691
ORCID:  http://orcid.org/0000-0001-7766-5930
Document type: Tese
Access type: Acesso Aberto
Title: Sistema open-source para gerenciamento de dados da doença de Parkinson e detecção do sintoma do tremor em desenhos manuscritos pelo uso de histogramas de gradientes orientados
Alternate title (s): Open-source system for managing Parkinson's disease data and detecting the tremor symptom in handwritten drawings using histogram of oriented gradients
Author: Folador, João Paulo
First Advisor: Andrade, Adriano de Oliveira
First member of the Committee: Pereira, Adriano Alves
Second member of the Committee: Cardoso, Alexandre
Third member of the Committee: Vieira, Marcus Fraga
Fourth member of the Committee: Jorge, David Calhau
Summary: Objetivo: A doença de Parkinson (DP) é uma condição neurodegenerativa do Sistema Nervoso Central (SNC) que provoca disfunções motoras e não-motoras. A doença afeta 1% da população mundial acima dos 60 anos de idade e ainda permanece sem cura. Os sintomas no SNC são crônicos e progressivos, afetando principalmente o sistema motor, o qual traz consigo os sinais clássicos da doença, como: tremor, rigidez, bradicinesia e instabilidade postural. E, dentre os sinais cardinais, o tremor afeta cerca de 80% dos pacientes. Deste modo, o monitoramento dos sintomas, os exames diagnósticos e o acompanhamento da doença auxiliam na compreensão e na melhora dos cuidados com os pacientes. No entanto, as formas de estudo da doença podem gerar uma variedade de informações para cada paciente além de grandes quantidades de dados (e.g., exames de eletrocardiograma, eletroencefalograma, exames de imagens, monitoramento por sensores inerciais). Neste contexto, a motivação deste estudo se divide em duas etapas: (1) implementar um sistema para gerenciamento de dados biomédicos de pacientes com DP, que tenha boa usabilidade e possa ser utilizado em hospitais, clínicas, grupos de pesquisa e instituições sem fins lucrativos que apoiam e ajudam pessoas com DP; (2) usar parte destes dados biomédicos coletados focados no tremor para criar uma ferramenta de baixo custo, que auxilie na tomada de decisão quanto à detecção objetiva do sintoma do tremor em pessoas com DP, e que utilize visão computacional e aprendizagem de máquina. Métodos: Para a etapa (1), desenvolver um sistema baseado na web arquitetado no padrão Model-View-Controller (MVC), e com características pautadas na modularização de sistemas proporcionando a construção do projeto em grupos específicos de funcionalidades, e prover meios de segurança de acesso e manipulação de dados no sistema. A Escala de Usabilidade de Sistema foi utilizada por 36 avaliadores para analisarem e julgarem as funcionalidades do sistema. Por outro lado, a etapa (2) utiliza Histograma de Gradientes Orientados (HOG) para descrever as características de desenhos manuscritos (padrão espiral e sinusoidal), os quais são usados para quantificar a severidade do tremor nas mãos, e juntamente com técnicas clássicas de Aprendizagem de Máquina (Random Forest, K-Nearest Neighbor and Support Vector Machine) e Aprendizagem Profundo por meio de Redes Neurais Convolucionais para detectar o sintoma do tremor. Nesta etapa, os padrões de desenhos manuscritos foram coletados de 20 participantes com DP e com o sintoma do tremor, e 20 participantes hígidos. Resultados: O sistema multiplaforma chamado SIDABI foi implementado de forma modularizada, utilizando técnicas de responsividade para adequar o funcionamento do sistema em diferentes dispositivos. A escala SUS foi aplicada e o sistema obteve 82,99 ± 13,97 pontos. O coeficiente Kendall apontou 70,2% de concordância entre os avaliadores. Já na etapa 2, o descritor HOG mostrou ser uma ferramenta apropriada na extração de características e possibilitou taxas altas de discriminação (precisão: 83,1%, sensibilidade: 85,7%, especificidade: 80,8%, área sob a curva: 91%) no conjunto de teste de padrões sinusoidais usando Redes Neurais Convolucionais de uma dimensão. Além disso, a ANOVA e a análise de Tukey mostraram que o desenho sinusoidal é mais apropriado do que o padrão espiral, que é o desenho mais comum usado para detecção de tremor. Conclusão: O uso do descritor HOG apresenta uma maneira nova e alternativa de quantificar e avaliar o tremor por meio de desenhos manuscritos. Ademais, foi apontando que o padrão sinusoidal obteve resultados melhores e poderia ser considerado nas avaliações clínicas. Além disso, o uso do sistema SIDABI proporciona melhor estruturação, segurança e organização dos dados de coleta em uma interface com boa usabilidade. Facilita o acompanhamento e monitoramento de pacientes, auxilia na otimização de pesquisas científicas diminuindo o retrabalho e a fragmentação das informações. Deste modo, a partir de uma base de dados coesa, estudos específicos e inter-relacionados se tornam possíveis, e esta ferramenta é uma iniciativa gratuita e de código aberto a fim de auxiliar instituições sem fins lucrativos que ajudam pessoas com a doença de Parkinson.
Abstract: Objective: Parkinson's disease (PD) is a neurodegenerative condition of the Central Nervous System (CNS) that causes motor and non-motor dysfunction. The disease affects 1% of the world's population over 60 years of age and remains cureless. The symptoms in CNS are chronic and progressive, affecting mainly the motor system, which brings with it the classic signs of the disease, such as tremor, stiffness, bradykinesia, and postural instability; tremor affects about 80% of patients. Thus, the monitoring of symptoms, diagnostic tests, and follow-up of the disease help in understanding and improving patient care. However, the ways of studying the disease can generate a variety of information for each patient and in large quantities (e.g., electrocardiogram examinations, electroencephalogram, imaging examinations, monitoring by inertial sensors). In this context, the motivation for this study is divided into two steps: (1) to implement a system for managing biomedical data from patients with PD, which has good usability and can be used in hospitals, clinics, research groups, and non-profit institutions that support and help people with PD; (2) to use part of this collected biomedical data focused on tremor symptom to create a low-cost tool to help decision making regarding the objective detection of the tremor in people with PD, and which uses computer vision and machine learning. Methods: For step one, the web-based system follows the Model-View-Controller (MVC) development standard, and a modularized architecture was used to provide the construction of the system by specific groups of functionalities, and to provide secure means of access and data manipulation in the system. The System Usability Scale (SUS) was used by 36 evaluators to analyze and judge the system. On the other hand, step two uses Histogram of Oriented Gradients (HOG) to describe the features of handwritten drawings (spiral and sinusoidal pattern), and together with classic Machine Learning techniques (Random Forest, K-Nearest Neighbor, and Support Vector Machine) and Deep Learning through Convolutional Neural Networks to detect the tremor symptom. At this step, hand-drawn patterns were collected from 20 participants with tremor symptoms in PD, and 20 healthy participants. Results: The multi-platform system called SIDABI was implemented in a modularized way, using responsiveness techniques to adapt the system to different devices. The SUS scale was applied and the system obtained 82.99 ± 13.97 points. The Kendall coefficient of concordance indicated 70.2% of agreement between the evaluators. In step 2, the HOG descriptor proved to be an appropriate tool in the extraction of characteristics and allowed high rates of discrimination (accuracy: 83.1%, sensitivity: 85.7%, specificity: 80.8%, area under the curve: 91%) in the set of sinusoidal patterns test using 1D Convolutional Neural Network. In addition, ANOVA and Tukey's analysis showed that the sinusoidal design is more appropriate than the spiral pattern, which is the most common design used for tremor detection. Conclusion: The use of the descriptor HOG presents a new and alternative way of quantifying and evaluating tremor by means of handwritten drawings. Moreover, it was pointed out that the sinusoidal pattern obtained better results and could be considered in clinical evaluations. Besides that, the implementation of the SIDABI system provides organized and safe data collection in a system with good usability, aiming at improving patient follow-up and monitoring, optimizing research, reducing rework and information fragmentation. From a cohesive database, specific and interrelated studies become possible, and this tool is designed to be free and open-source to help non-profit institutions that help people with Parkinson's disease.
Keywords: Histogramas de Gradientes Orientados
Espiral de Arquimedes
Desenho Sinusoidal
Aprendizado de Máquina
Gerenciamento de dados
Tremor
Doença de Parkinson
Histogram of Oriented Gradients
Archimedean Spiral
Sinusoidal Drawing
Machine Learning
Data Management
Tremor
Parkinson's Disease
Engenharia Elétrica
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Subject: Engenharia elétrica
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Engenharia Elétrica
Quote: FOLADOR, João Paulo. Sistema open-source para gerenciamento de dados da doença de Parkinson e detecção do sintoma do tremor em desenhos manuscritos pelo uso de histogramas de gradientes orientados. 2021. 126 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2021. Disponível em: http://doi.org/10.14393/ufu.te.2021.220
Document identifier: http://doi.org/10.14393/ufu.te.2021.220
URI: https://repositorio.ufu.br/handle/123456789/31691
Date of defense: 9-Apr-2021
Appears in Collections:TESE - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
SistemaOpensourceGerenciamento.pdfTese7.22 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons