Analysis of hand and face images for the purpose of engineering support for Parkinsons disease diagnosis

Engineering support in the field of recognizing Parkinson's disease against the background of other diseases, its progression and monitoring the effectiveness of drugs is currently widely implementedas part of work devoted to the use of recording and analysis devices equipped with sensors of movement parameters attached to the patient's body, e.g. accelerometers and gyroscopes. This material touches on an alternative approach, in which the concept of using techniques for processing selected image data obtained during a clinical examination evaluating a patient using the unified UPDRS number scale is proposed. The research was conducted on a material that corresponded to selected components of the scale and included images of faces recorded in the visible light range and images of the outer surfaces of the hand recorded with a thermal imaging camera.This was aimed at assessing the possibility of differentiating personsin terms of detecting Parkinson's disease on the basis of registered modalities. Thus, tasks aimed at developing characteristics important in the binary classification process were carried out. The assessment of features was made in a modality-dependent manner based on available tools in the field of statistics and machine learning.

Wsparcie inżynierskie w zakresie rozpoznawania choroby Parkinsona na tle innych chorób, jej progresji oraz monitorowania skuteczności leków jest obecnie szeroko realizowane w ramach prac poświęconych wykorzystaniu urządzeń rejestrujących i analizujących wyposażonych w sensory parametrów ruchu przymocowanych do ciała pacjenta, np. akcelerometry i żyroskopy. W prezentowanej pracy przedstawiono alternatywne podejście, w którym proponuje się koncepcję wykorzystania technik przetwarzania wybranych danych obrazowych uzyskanych podczas badania klinicznego oceniającego pacjenta za pomocą ujednoliconej skali liczbowej UPDRS. Badania przeprowadzono na materiale, który odpowiadał wybranym składowym skali i obejmował obrazy twarzy utrwalone w zakresie światła widzialnego oraz obrazy zewnętrznych powierzchni dłoni rejestrowane kamerą termowizyjną. Wykonane badania miały na celu ocenę możliwości różnicowania osób pod względem wykrywania choroby Parkinsona na podstawie zarejestrowanych metod. W ten sposób zrealizowano zadania mające na celu opracowanie cech istotnych w procesie klasyfikacji binarnej. Ocena cech została dokonana w sposób zależny od modalności w oparciu o dostępne narzędzia z zakresu statystyki i uczenia maszynowego.