Evaluación cuantitativa de la prueba de golpeteo de dedos en pacientes con Parkinson mediante un algoritmo basado en técnicas de visión por computadora

Abstract

La enfermedad de Parkinson es un trastorno neurodegenerativo crónico y progresivo. En la actualidad, se usan diversas escalas que permiten determinar el nivel de gravedad en los pacien- tes. Sin embargo, estas tienen un carácter subjetivo. En la presente tesis, se analiza, a partir de la segmentación de videos, la prueba denominada Golpeteo de dedos que pertenece a la escala MDS-UPDRS y se clasifica a los pacientes en niveles de gravedad a través de medidas estadís- ticas del golpeteo con la finalidad de implementar un algoritmo que mantenga su rendimiento incluso cuando se incremente la data a analizar y contribuya a la telemedicina. Se trabajó con una base de datos que incluye videos de voluntarios sanos y pacientes con la enfermedad de Parkinson. Cada video es segmentado de forma manual y automática utilizando un algotimo basado en MediaPipe Hands con la finalidad de obtener una señal que represente el golpeteo de dedos del paciente. A partir de la señal, se extrajeron cuatro métricas tanto de la amplitud como del periodo: (1) coeficiente de variación, (2) mediana, (3) media y (4) desviación estándar. Para la clasificación, se aplicó K-means con una clusterización de valor 4 que involucra los niveles de gravedad comprendidos en el rango de 0-3. Finalmente, se compara la clasificación de K- means con los puntajes asignados por médicos de la Universidad de Rochester para calcular la correlación. Tras cumplir con el desarrollo de las diversas etapas propuestas en la metodología de solución, se obtuvieron valores de 82% y 88% para diferentes conjuntos de datos. A partir de los resultados, se concluye que el algoritmo implementado permite la automatización del análisis del golpeteo de dedos a través de técnicas de visión por computadora y algoritmos de clasificación.