Contribución al análisis del movimiento humano aplicado a la identificación de posturas y bloqueos de la marcha en pacientes con Parkinson

Abstract

The following dissertation presents the contributions of the author in the field of human movement analysis and, specifically, in Parkinson's disease. Recent technologies have allowed developing reduced inertial sensors capable of monitoring human movement. This, along with the reduced prices of these inertial sensors, the so-called inertial measurement units, which consists in small devices capable to measure movement by means of inertial sensors, have widely spread. Inertial measurement units have been employed among others, in fields such as medicine, sports, automotive and gaming. In the first part of the present thesis, a wearable long-term monitoring inertial measurement unit is presented as the first main contribution in human movement analysis. The unit is capable of acquiring data and provides the possibility of implementing artificial intelligence-based classifiers in real time. A specific hardware and firmware has been developed in order to implement both operations. This tool has been validated in different European projects and studies carried out in the Technical Research Centre for Dependency Care and Autonomous Living of the Universitat Politècnica de Catalunya (CETpD-UPC). The second part of the thesis addresses the analysis of human posture based on accelerometry measurements. To this end, data acquired from the inertial system described at the first part of the thesis have been used. Two methodologies are presented that have been validated on healthy people and patients with Parkinson's disease. The algorithms developed are focused on the detection of positions with a single inertial system located at the waist thereby achieving an enhanced comfort and acceptance by the users. A key contribution is the methodology provided to detect postural transitions, which consist in the movement performed to achieve a position from another one. The algorithm is based on support vector machines applied to the inertial data coming from a single measurement unit. Basic activity recognition is performed recognizing static postures such as sitting, standing, or lying with a hierarchical classification system. Moreover, dynamic postures such as walking and different postural transitions are also recognized. Finally, the posture detection methodologies are employed to enhance the identification of one of the most annoying symptoms of Parkinson's disease, the so-called Freezing of Gait. This contribution relies on the posture algorithm which has been validated in Parkinson's disease patients. Furthermore, it is shown how the introduction of the posture detection improves the evaluation values of the FOG algorithms

La siguiente disertación presenta las aportaciones del autor en el campo de la monitorización del movimiento humano y, especialmente, en la enfermedad del Parkinson. Las recientes tecnologías han permitido desarrollar sensores inerciales de tamaño muy reducido para monitorizar el movimiento humano. Estos sensores se emplean en las llamadas unidades de medida inercial, que son unos dispositivos de pequeño tamaño capaces de medir el movimiento, se ha extendido ampliamente empleándose, entre otros, en campos como la medicina, el deporte, la automoción o los videojuegos. En la primera parte de la presente tesis, se describe el desarrollo de una unidad de medida inercial optimizada para realizar la adquisición y el tratamiento de los datos con un mínimo consumo y, de esa forma, conseguir una larga autonomía. La principal novedad aportada consiste en la posibilidad de implementar en tiempo real clasificadores basados en inteligencia artificial a través de un hardware y un firmware diseñados específicamente para que el sistema inercial sea flexible y capaz de implementar las dos operaciones, captura de datos y ejecución de algoritmos. Esta herramienta se ha validado en diferentes proyectos europeos y diferentes trabajos llevados a cabo en el Centro de Estudios Tecnológicos para la Atención de la Dependencia y la Vida Autónoma de la Universidad Politécnica de Catalunya (CETpDUPC). En la segunda parte de la tesis se describen dos algoritmos para identificar diferentes tipos de posturas. Los datos empleados para poder desarrollar los algoritmos se han adquirido con el sistema inercial presentado en la primera parte de la tesis. Los algoritmos desarrollados se han validado en personas sanas y en pacientes con la enfermedad del Parkinson. Estos algoritmos se focalizan en la detección de posturas con un único sistema inercial localizado en la cintura. Esta localización permite una mayor comodidad para los usuarios, entre otras ventajas. Una aportación importante es la metodología utilizada para poder detectar transiciones posturales (movimiento para pasar de una postura a otra). Se ha empleado el paradigma de las máquinas de vectores soporte para poder distinguir las diferentes posturas del usuario o paciente. La detección de transiciones posturales se integra en un sistema jerárquico de clasificación, al cual se añade un detector de actividades básicas donde se identifican posturas estáticas, como estar sentado, de pie, o tumbado, y posturas dinámicas, como caminar. En la parte final de la tesis se presenta una aportación a la identificación de uno de los síntomas de la enfermedad del Parkinson más incapacitantes: el bloqueo de la marcha. El algoritmo de posturas se aplica en señales captadas por la unidad inercial descrita en la primera parta de la tesis para complementar a los algoritmos actuales de detección de bloqueos de la marcha. Además, se demuestra cómo los valores de evaluación del algoritmo de detección del bloqueo de la marcha mejoran al aplicar el algoritmo de posturas. De esta forma, el nuevo algoritmo contextualiza la detección del bloqueo de la marcha, omitiendo los casos positivos que ocurran en situaciones donde no es posible que un bloqueo de la marcha ocurra.