Klassifizierung der Gangart bei Parkinson-Patienten

Die Parkinson-Krankheit ist die zweithäufigste neurodegenerative Erkrankung bei älteren Menschen, wobei Prävalenz und Inzidenz je nach Alter, Geschlecht und Rasse/Ethnie variieren. Studien zeigen, dass die Prävalenz mit dem Alter ansteigt, wobei die Zahl der Fälle auf 5 bis 26 pro 100 000 Menschen und Jahr geschätzt wird, etwa 1 % bei den 65- bis 69-Jährigen und zwischen 3 % und 14,3 % bei den über 85-Jährigen. Zu den häufigsten klinischen Anzeichen des Entzündungsprozesses gehören Ruhetremor, Muskelstarre, Bradykinesie und Haltungsinstabilität. Die Diagnose der Krankheit ist nicht einfach, denn es ist bekannt, dass es beim Fortschreiten der Krankheit im menschlichen Körper ein Muster von Stadien gibt. Viele Patienten können diesen Verlauf jedoch aufgrund der Heterogenität der Erscheinungsformen, die auftreten können, nicht nachvollziehen. Die Ganganalyse ist zu einem attraktiven und nicht-invasiven quantitativen Mechanismus geworden, der bei der Erkennung und Überwachung von Parkinson-Patienten helfen kann. Die Merkmalsextraktion ist eine äußerst wichtige Aufgabe für die Qualität der Daten, die von ML-Algorithmen verwendet werden sollen, wobei das Hauptziel darin besteht, die Dimensionalität der Daten in einem Klassifizierungsprozess zu reduzieren.