Analysis of hand and face images for the purpose of engineering support for Parkinson's disease diagnosis

• Autorzy: Białek Kamila , Potulska-Chromik Anna , Jakubowski Jacek , Nojszewska Monika , Kostera-Pruszczyk Anna

Identyfikatory

DOI

10.24136/jaeee.2022.002

Warianty tytułu

PL

Analiza obrazów dłoni i twarzy na potrzeby inżynierskiego wsparcia diagnostyki choroby Parkinsona

• Języki publikacji: EN

Abstrakty

EN

Engineering support in the field of recognizing Parkinson's disease against the background of other diseases, its progression and monitoring the effectiveness of drugs is currently widely implementedas part of work devoted to the use of recording and analysis devices equipped with sensors of movement parameters attached to the patient's body, e.g. accelerometers and gyroscopes. This material touches on an alternative approach, in which the concept of using techniques for processing selected image data obtained during a clinical examination evaluating a patient using the unified UPDRS number scale is proposed. The research was conducted on a material that corresponded to selected components of the scale and included images of faces recorded in the visible light range and images of the outer surfaces of the hand recorded with a thermal imaging camera.This was aimed at assessing the possibility of differentiating personsin terms of detecting Parkinson's disease on the basis of registered modalities. Thus, tasks aimed at developing characteristics important in the binary classification process were carried out. The assessment of features was made in a modality-dependent manner based on available tools in the field of statistics and machine learning.

PL

Wsparcie inżynierskie w zakresie rozpoznawania choroby Parkinsona na tle innych chorób, jej progresji oraz monitorowania skuteczności leków jest obecnie szeroko realizowane w ramach prac poświęconych wykorzystaniu urządzeń rejestrujących i analizujących wyposażonych w sensory parametrów ruchu przymocowanych do ciała pacjenta, np. akcelerometry i żyroskopy. W prezentowanej pracy przedstawiono alternatywne podejście, w którym proponuje się koncepcję wykorzystania technik przetwarzania wybranych danych obrazowych uzyskanych podczas badania klinicznego oceniającego pacjenta za pomocą ujednoliconej skali liczbowej UPDRS. Badania przeprowadzono na materiale, który odpowiadał wybranym składowym skali i obejmował obrazy twarzy utrwalone w zakresie światła widzialnego oraz obrazy zewnętrznych powierzchni dłoni rejestrowane kamerą termowizyjną. Wykonane badania miały na celu ocenę możliwości różnicowania osób pod względem wykrywania choroby Parkinsona na podstawie zarejestrowanych metod. W ten sposób zrealizowano zadania mające na celu opracowanie cech istotnych w procesie klasyfikacji binarnej. Ocena cech została dokonana w sposób zależny od modalności w oparciu o dostępne narzędzia z zakresu statystyki i uczenia maszynowego.

Słowa kluczowe

EN

image processing; medical diagnosis; Parkinson’s disease

PL

przetwarzanie obrazów; diagnoza medyczna; choroba Parkinsona

• Wydawca: Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu
• Czasopismo: Journal of Automation, Electronics and Electrical Engineering
• Rocznik: 2022
• Tom: Vol. 4, No. 1
• Strony: 13--20
• Opis fizyczny: Bibliogr. 14 poz., rys., wykr.

Twórcy

autor

Białek Kamila

• Faculty of Electronics, Military University of Technology, 00-908 Warsaw, Poland

autor

Potulska-Chromik Anna

• Department of Neurology, Medical University of Warsaw, 02-097 Warsaw, Poland

autor

Jakubowski Jacek

• Faculty of Electronics, Military University of Technology, 00-908 Warsaw, Poland

autor

Nojszewska Monika

• Department of Neurology, Medical University of Warsaw, 02-097 Warsaw, Poland

autor

Kostera-Pruszczyk Anna

• Department of Neurology, Medical University of Warsaw, 02-097 Warsaw, Poland

Bibliografia

• [1] Gaweł M., Potulska-Chromik A. (2105) „Neurodegenerative diseases: Alzheimer's and Parkinson's disease”. Advances in Medical Sciences, vol. XXVIII, no. 7, 2015, pp 468-476
• [2] Obeso J. A. (2003) “The Unified Parkinson's Disease Rating Scale (UPDRS): Status and recommendations”. Movement Disorders, vol. 18, no. 7, pp 738-750
• [3] Jakubowski J. et al. (2020) “Multimodal data acquisition set for objective assessment of Parkinson’s disease”. Proceedings of SPIE, 11442F.
• [4] International Parkinson and Movement Disorder Society (2022). “MDS Rating Scales”. (09.05.2022).
• [5] Purup M. M. et al. (2020) “Skin Temperature in Parkinson's Disease Measured by Infrared Thermography”. Parkinson's disease”, doi: 10.1155/2020/2349469
• [6] Stokholm M. G. et al. (2016) “Pathological alpha-synuclein in gastrointestinal tissues from prodromal Parkinson’s disease patients”. Annals of Neurology. Vol 79, no. 6.
• [7] Gunnerva S. D. et al. (2015) “The Relationship Between the Experience of Hypomimia and Social Wellbeing in People with Parkinson’s Disease and their Care Partners”. Journal of Parkinson’s Disease. Vol. 6, doi: 10.3233/JPD-160782
• [8] Ricciardi L., De Angelis A., Marsili L. et al. (2020) “Hypomimia in Parkinson's disease: an axial sign responsive to levodopa”. Eur J Neurol. Vol. 27:2422-9, doi: 10.1111/ene.14452
• [9] Ho MW., Chien SH., Lu MK. et al. (2020) “Impairments in face discrimination and emotion recognition are related to aging and cognitive dysfunctions in Parkinson's disease with dementia”. Sci Rep. Vol. 10:4367, doi: 10.1038/s41598-020-61310-w
• [10] Ricciardi L., Visco-Comandini F., Erro R. et al. (2017) “Facial Emotion Recognition and Expression in Parkinson's Disease: An Emotional Mirror Mechanism?”. PLoS One. Vol. 12:e0169110, doi: 10.1371/journal.pone.0169110
• [11] Xiong X., De la Torre F. (2013) “Supervised Descent Method and its Application to Face Alignment”. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), doi: 10.1109/CVPR.2013.75
• [12] R. Dhananjay et. al. (2014) “Facial Landmark Localization – A Literature Survey”, International Journal of Current Engineering and Technology, vol. 4, no. 3, pp 1901-1907.
• [13] Zhang Z., Luo P., Loy C. (2014) “Facial Landmark Detection by Deep Multi-task Learning”, European Conference on Computer Vision. Proceedings pp 94-108.
• [14] Viola P. Jones M. (2004) “Robust Real-Time Face Detection”. International Journal of Computer Vision. Vol. 57, no. 2, pp 137– 154, https://doi.org/10.1023/B:VISI.0000013087.49260.fb

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).