Ανίχνευση ψυχοκινητικών διαταραχών από μοτίβα πληκτρολόγησης σε οθόνες αφής χρησιμοποιώντας προηγμένες τεχνικές μηχανικής μάθησης
Περίληψη
Η απουσία οικολογικά έγκυρων μεθόδων ανίχνευσης συμπτωμάτων αποτρέπει την πυκνή δειγματοληψία παραμέτρων που θα καταστήσουν εφικτή τη διαμήκη και απομακρυσμένη παρακολούθηση της υγείας. Τα παραπάνω υπήρξαν εφαλτήριο για την ανάπτυξη μηχανισμών εξαγωγής πληροφορίας από απομακρυσμένη και οικολογικά έγκυρη συλλογή δεδομένων με σκοπό τη δημιουργία ψηφιακών βιοδεικτών. Αρχικά διερευνήσαμε πώς τα ψυχοκινητικά συμπτώματα της νόσου του Πάρκινσον μπορούν να επηρεάσουν τις μεταβλητές πληκτρολόγησης από τις χρονικές ακολουθίες πίεσης και απελευθέρωσης πλήκτρων. Το πρώτο πείραμα συλλογής δεδομένων έγινε σε ελεγχόμενες συνθήκες καταγραφής (εντός της κλινικής) καταγράφοντας μοτίβα πληκτρολόγησης σε οθόνες αφής από υγιείς και ασθενείς της νόσου. Η ανάπτυξη μεθοδολογίας βασισμένης σε μηχανική μάθηση απέδωσε ικανοποιητικά αποτελέσματα για την ανίχνευση της ψυχοκινητικής επιβάρυνσης αντανακλώντας χαρακτηριστικά που συσχετίζονται με κλινικές αξιολογήσεις. Ως επόμενο βήμα, ελέγξαμε την εγκυρότητα των ευρη ...
περισσότερα
Περίληψη σε άλλη γλώσσα
In this thesis, we contributed methods for digital biomarkers extraction based on commercial devices used in an ecologically valid framework (in-the-wild) based on machine learning methods to detect fine-motor impairment (FMI) from keystroke variables from routine typing activity from the natural user-interaction with smartphone’s touchscreens. We initially explored how the symptoms of Parkinson’s Disease (PD) related with FMI can influence the keystroke variables that resembles the time-sequences of typing; key hold and key flight time. This was initiated from an in-the-clinic data collection experiment which reflected promising results on detecting PD from typing pattern analysis, achieving promising diagnostic properties with features plausibly correlating with clinical scores of relevant PD motor symptoms. As a next step we expanded the validity of the latter findings in-the-wild scenarios as a regression problem to interpret the footprint of specific underlying symptoms such as br ...
περισσότερα
![]() | Η διατριβή είναι δεσμευμένη από τον συγγραφέα
(μέχρι και: 7/2023)
|
|
Στατιστικά χρήσης

ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.

ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.