> Forschung
Automated motor tic detection – a machine learning approach
Veröffentlichungsdatum: 11. Mai 2023
Veröffentlichungsjournal: Movement Disorders
Zusammenfassung:
Die Beurteilung von Tics anhand von Videos ist ein wichtiges Werkzeug, um unabhängig und objektiv die Häufigkeit und Schwere von Tics bei Patienten mit Tourette-Syndrom zu messen. Allerdings ist die Bewertung von Videos sehr zeitaufwendig, besonders bei großen Studien. Aus diesem Grund haben wir zwei Machine-Learning-Algorithmen entwickelt, die automatisch Tics erkennen können. Diese Modelle können mit einer Genauigkeit von etwa 80 % zwischen Sekunden mit Tics und solchen ohne Tics unterscheiden. Das bedeutet, dass Machine-Learning-Algorithmen für die automatische Tic-Erkennung auf Basis von Videoaufnahmen zuverlässig und praktisch anwendbar sind und ein wertvolles Werkzeug für objektive Tic-Messungen in klinischen Studien sein können. Zudem könnten Machine-Learning-Algorithmen auch für die Differentialdiagnose von Tics von Nutzen sein.
Die Grafik zeigt eine Übersicht über die beiden angewandten Algorithmen zur Erkennung von Tics. Für beide Ansätze wurden 30 Frames aus den Videos als Eingabe extrahiert. Der erste Algorithmus (rote Box) basiert auf einem Random-Forest-Klassifikator, der manuell aus Gesichtslandmarks berechnete Merkmale verwendet. Der zweite Algorithmus (blaue Box) besteht aus einem neuronalen Netzwerk, das sowohl 6 Gesichtslandmarks als auch die Videodaten des Gesichts als Eingabe verwendet.