Tez No	İndirme	Tez Künye	Durumu
798406		Quantification of bradykinesia in parkinson's disease by using facial images and emg recordings / Parkinson hastalığında bradikinezinin yüz görüntüleri ve emg kayıtları kullanılarak sayısallaştırılması Yazar:SABRİ CAN ÖLÇEK Danışman: DOÇ. DR. YEŞİM AYDIN SON ; DOÇ. DR. DİDEM GÖKÇAY Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Enformatik Enstitüsü / Sağlık Bilişimi Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2023 110 s.
Parkinson hastalığı (PD), hem motor hem de motor olmayan semptomlarla karakterize edilen bir nörodejeneratif hastalıktır. Birleşik Parkinson Hastalığı Derecelendirme Ölçeği (UPDRS) adı verilen beşli puanlama sistemi, semptom değerlendirmesinde kullanılan en yaygın araçtır. UPDRS III motor semptomları hedefleyen alt bölümdür ve klinisyenlerin gözlemlerine dayanmaktadır. Klinik değerlendirme yöntemi, görsel gözleme ve dörtlü bir puanlamaya dayandığından, iki hekimin puanlaması arasında fark olma olasılığı yüksektir. Hatta yapılan birçok çalışmada bu özelliklerden dolayı puanların, baskın semptoma kayabileceği gözlemlenmiştir. Ayrıca bu sistem hekimlerin ciddi zaman alan ölçümleri bizzat kendilerinin yapmasını gerektirmektedir. Bu nedenle, sadece hastanın durumunu değerlendirmek için değil, aynı zamanda ince değişiklikleri bile tespit etmek için tekrarlanabilir, ölçülebilir bir yönteme sahip olmak önemlidir. Tremor'un yanı sıra, özellikle hastalığın evresini belirlemek için kullanılan bradikinezi, Parkinson Hastalığı'nın ana özelliklerinden biridir. Rijidite ile bradikinezi, hastanın hareketlerini ve sonuç olarak, yaşam kalitelerini ciddi oranda engelleyebilmektedir. Değerlendirme yöntemleri çoğunlukla, başparmak ve işaret parmağı arasında yapılan dokunuşların sayılması gibi hızlı hareketlere dayanmaktadır. İvmeölçerler, jiroskoplar ve özel yapım giyilebilir cihazlar gibi çeşitli araçları kullanarak bradikineziyi ölçmek için bu görevlere odaklanan birçok çalışma bulunmaktadır. Ancak evde bile hastanın kendisi tarafından tekrarlanabilecek basit cihaz ve yöntemlerin eksikliği vardır. Bu çalışmada, leap motion adlı temassız cihaz ile el hareketlerini kullanan bir ölçüm geliştirdik. Ek olarak, çok modlu yüz görüntüleri ve EMG kayıtlarını toplamak ve işlemek için özel bir yazılım ve donanım arayüzü de geliştirilmiştir. Yüz hareketlerinden bradikineziyi tahmin eden veri işleme teknikleri de daha iyi bir şekilde iyileştirilmiştir.
Parkinson's disease (PD) is a neurodegenerative disorder characterized by both motor and non-motor symptoms. The five-scale scoring system called Unified Parkinson's Disease Rating Scale (UPDRS) is the most common tool used in symptom assessment. UPDRS III is the subsection targeting the motor symptoms and is based on the observations of the clinicians. Since the clinical assessment method is based on the visual observation and a five scale scoring, it is highly likely that the scores of two physicians differ. In fact, during multiple studies, it is observed that the scores can be biased to the dominant symptom. Furthermore, this system requires the physicians to conduct the measurements themselves, which is quite time consuming. Thus, it is important to have a repeatable, quantifiable method not just to evaluate the patient's condition but to even detect the subtle changes. Beside Tremor, Bradykinesia is one of the main features of Parkinson's Disease which is especially used to determine stage of the disease. The bradykinesia with rigidity can seriously hinder the patient's movements as a result, the quality of their life. The assessment methods are mostly based on the rapid movements such as counting the number of touches made between thumb and index finger. There are many studies focusing on these tasks to measure bradykinesia by using various devices such as accelerometers, gyroscopes, and custom-built wearables. However, there is a lack of simple devices and methods that can be repeated even at home by the patient himself. In this study, we developed measurements based on a non-contact device called leap motion, using hand movements. In addition, a special hardware and software interface is developed to collect and process multi modal data by using facial images and EMG recordings. We also improved the data processing techniques to predict bradykinesia from facial movements in a better way.