Resumen

Cada año, las lesiones asociadas a caídas causan mucho sufrimiento humano y pérdidas económicas a los pacientes con enfermedad de Parkinson (EP). En este sentido, el congelamiento de la marcha (FOG, por sus siglas en inglés), que es uno de los síntomas más comunes de la EP, es responsable de la mayoría de los incidentes. Aunque se han realizado muchas investigaciones sobre el análisis caracterizado y los métodos de detección del FOG, todavía existe un gran margen de mejora en el examen de alta precisión y eficiencia del FOG. Teniendo en cuenta estos requisitos, en este artículo se presenta un método mejorado de deformación temporal dinámica de subsecuencias (IsDTW) basado en el emparejamiento de plantillas y se realizan pruebas experimentales con conjuntos de datos típicos de código abierto. Los resultados muestran que, en comparación con los métodos tradicionales de emparejamiento de plantillas y aprendizaje estadístico, el IsDTW propuesto no sólo presenta una mayor precisión experimental (92%), sino que también tiene una eficiencia de tiempo de ejecución significativa. Por el contrario, IsDTW está mucho más disponible en aplicaciones prácticas en tiempo real.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:niebla, deformación temporal dinámica de subsecuencias mejorada, conjuntos de datos típicos de código abierto, examen de alta eficiencia, mayor precisión experimental, eficiencia significativa en tiempo de ejecución, métodos de aprendizaje estadístico, aplicaciones prácticas temporales, lotes, emparejamiento
• Keywords:fog, improved subsequence dynamic time warping, typical open source datasets, high efficiency examination, higher experimental accuracy, significant runtime efficiency, statistical learning methods, time practice applications, lots, matching