تقدير شدة التَّقَلُّص الباركنسونية في مقاطع حركة المشي الطبيعية لكبار السن المصابين بمرض الخرف

يؤثر التصلب الرعاش الناتج عن الأدوية على العديد من كبار السن المصابين بالخرف، وغالبًا ما يؤدي إلى اضطرابات في المشي. وقد أتاحت التطورات الحديثة في تقنيات تقدير وضعية الإنسان القائمة على الرؤية إمكانية تحليل متكرر وغير مزعج لحالة المشي في البيئات السكنية. تستخدم هذه الدراسة هندسات جديدة لشبكات الت(Convolutional) الزمنية-المكانية (ST-GCN) وطرق تدريب مبتكرة لتنبؤ بدرجات السريري للرعاش من خلال تسجيلات الفيديو الخاصة بأفراد مصابين بالخرف. نقترح نهجًا تدريبيًا مكونًا من مرحلتين، تتضمن المرحلة الأولى تدريبًا ذاتيًا (self-supervised) يشجع نموذج ST-GCN على تعلم أنماط المشي قبل التنبؤ بالدرجات السريرية في المرحلة الثانية من التحسين الدقيق (fine-tuning). تم تقييم النماذج المقترحة لـ ST-GCN على مسارات المفاصل المستخرجة من الفيديو، وتم مقارنتها بنماذج الانحدار التقليدية (الترتيبية، الخطية، الغابة العشوائية) ونماذج المقارنة القائمة على الشبكات التلافيفية الزمنية (Temporal Convolutional Networks). تم استخدام ثلاث مكتبات لتقدير الوضعية البشرية ثنائية الأبعاد (OpenPose، Detectron، AlphaPose)، بالإضافة إلى جهاز Microsoft Kinect (ثنائي وثلاثي الأبعاد) لاستخراج مسارات المفاصل من 4787 جولة مشي طبيعية لأفراد من كبار السن المصابين بالخرف (53 مشاركًا). تم تسمية جزء من 399 جولة مشي من 14 مشاركًا بدرجات شدة الرعاش وفق معايير المشي في مقياس تقييم مرض باركنسون الموحد (UPDRS) ومقياس سيمبسون-أنغوس (SAS). تُظهر النتائج أن نماذج ST-GCN التي تعمل على مسارات المفاصل ثلاثية الأبعاد المستخرجة من جهاز Kinect تفوق جميع النماذج الأخرى ومجموعات الميزات. لا تزال مسألة التنبؤ بدرجات الرعاش في جولات المشي الطبيعية لأفراد لم يُرَوا من قبل مهمة صعبة، حيث حققت أفضل النماذج متوسطًا مكررًا (macro-averaged) لمعامل F1 قدره 0.53 ± 0.03 و0.40 ± 0.02 على التوالي لمعايير UPDRS-gait وSAS-gait. يتوفر النموذج المُدرّب مسبقًا وشفرة العرض التوضيحي لهذا العمل عبر الرابط التالي: https://github.com/TaatiTeam/stgcn_parkinsonism_prediction.