NEMO: the Next Move in Movement Disorders (Q3988812)
Jump to navigation
Jump to search
Project Q3988812 in Netherlands
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | NEMO: the Next Move in Movement Disorders |
Project Q3988812 in Netherlands |
Statements
2,370,129.0 Euro
0 references
2,370,129.0 Euro
0 references
100.0 percent
0 references
1 January 2018
0 references
20 February 2022
0 references
Universitair Medisch Centrum Groningen (UMCG)
0 references
Ziuz Medical B.V.
0 references
ZiuZ Nemo B.V.
0 references
53°13'19.56"N, 6°34'34.28"E
0 references
9713GZ
0 references
8400 AA
0 references
8400 AC
0 references
Op dit moment worden patiënten met hyperkinetische bewegingsstoornissen geclassificeerd op basis van expert opinie. Hierbij wordt in sommige gevallen gebruik gemaakt van elektromyografie (EMG). De classificatie is dus voornamelijk gebaseerd op klinische beoordeling. Het beoordelen van het type hyperkinetische bewegingsstoornis is complex omdat er kleine nuances tussen ziektebeelden zitten en patienten meerdere stoornissen kunnen hebben. Daarbij komt dat de mens haar observatie vanuit een holitische wijze doet en dus altijd naar de samenhang kijkt van hetgeen wordt geobserveerd. Voor een goede classificatie en diagnose van hyperkinetische bewegingsstoornissen is juist een objectieve waarneming van (delen van) het lichaam essentieel. Het gaat hierbij om de frequentie van bewegingen van bijvoorbeeld de bovenarm, de hoeken waaronder dit gebeurt en (on)willekeur. Het gevolg van dit alles is dat de juiste classificatie en diagnose van bewegingsstoornissen momenteel een Kappa-waarde, een maat die gebruik wordt om de overeenstemming tussen de specialisten weer te geven, kent van gemiddeld 0,5 tot 0,6. Dit betekent dat de kans relatief groot is dat een verkeerde diagnose wordt gedaan, een verkeerde behandeling wordt gestart en daarmee de doelmatigheid van de Nederlandse zorg niet optimaal is.ZiuZ en UMCG willen in dit project onderzoek doen naar hoe kunstmatige intelligentie bij kan dragen aan het verbeteren van de classificatie en diagnose met als doel om deze te verhogen tot tenminste 0,8 en daarmee het aantal ‘foutieve’ behandeling verlaagd. Het doel van dit project is daarom de ontwikkeling van een eerste ‘proof of principle’ van een Computer aided diagnose tool (CAD-tool) dat de diagnostisering, behandeling en evaluatie van natuurlijk verloop van hyperkinetische bewegingsstoornissen moet verbeteren en waarbij gebruik wordt gemaakt van meerdere databronnen (video/sensoren/medische informatie). De projectresultaten zouden vervolgens ook toegepast kunnen worden op bv. Parkinson-onderzoek, hetgeen raakvlakken heeft met tremoren. (Dutch)
0 references
Currently, patients with hyperkinetic movement disorders are classified on the basis of expert opinion. Electromyography (EMG) is used in some cases. The classification is therefore mainly based on clinical assessment. Assessing the type of hyperkinetic movement disorder is complex because there are small nuances between diseases and patients may have multiple disorders. In addition, man does its observation from a holite manner and therefore always looks at the coherence of what is being observed. For a proper classification and diagnosis of hyperkinetic movement disorders, an objective observation of (parts of) the body is essential. This concerns the frequency of movements of, for example, the upper arm, the angles under which this occurs and (in)random. The result of all this is that the correct classification and diagnosis of movement disorders currently has a Kappa value, a measure used to reflect the agreement between the specialists, from an average of 0.5 to 0.6. This means that the chances are relatively high that a wrong diagnosis is done, a wrong treatment is started and therefore the effectiveness of Dutch care is not optimal. ZiuZ and UMCG want to research in this project how artificial intelligence can contribute to improving the classification and diagnosis with the aim of increasing it to at least 0.8 and thus reducing the number of ‘wrong’ treatment. The aim of this project is therefore to develop a first proof of principle of a Computer Aided Diagnostic Tool (CAD tool) that aims to improve the diagnosis, treatment and evaluation of natural course of hyperkinetic movement disorders and using multiple data sources (video/sensors/medical information). The project results could then also be applied to e.g. Parkinson’s research, which has interfaces with tremors. (English)
15 December 2021
0.1805255029375586
0 references
Actuellement, les patients présentant des troubles des mouvements hypercinétiques sont classés sur la base d’un avis d’experts. L’électromyographie (EMG) est utilisée dans certains cas. La classification repose donc principalement sur une évaluation clinique. L’évaluation du type de trouble du mouvement hypercinétique est complexe parce qu’il y a de petites nuances entre les maladies et les patients peuvent avoir plusieurs troubles. En outre, l’homme fait son observation d’une manière holite et regarde donc toujours la cohérence de ce qui est observé. Pour une classification et un diagnostic appropriés des troubles des mouvements hypercinétiques, une observation objective de (parties) du corps est essentielle. Cela concerne la fréquence des mouvements, par exemple, du bras supérieur, les angles sous lesquels cela se produit et (in)random. Le résultat de tout cela est que la classification correcte et le diagnostic des troubles des mouvements a actuellement une valeur Kappa, une mesure utilisée pour refléter l’accord entre les spécialistes, d’une moyenne de 0,5 à 0,6. ZiuZ et UMCG veulent étudier dans ce projet comment l’intelligence artificielle peut contribuer à améliorer la classification et le diagnostic dans le but de l’augmenter à au moins 0,8 et donc de réduire le nombre de traitements «mauvais». L’objectif de ce projet est donc de développer une première preuve de principe d’un outil de diagnostic assisté par ordinateur (outil CAD) qui vise à améliorer le diagnostic, le traitement et l’évaluation de l’évolution naturelle des troubles du mouvement hyperkinétique et en utilisant de multiples sources de données (vidéo/capteurs/informations médicales). Les résultats du projet pourraient alors également être appliqués à la recherche de Parkinson, qui a des interfaces avec les tremblements. (French)
15 December 2021
0 references
Derzeit werden Patienten mit hyperkinetischen Bewegungsstörungen auf der Grundlage des Gutachtens klassifiziert. Elektromyographie (EMG) wird in einigen Fällen verwendet. Die Einstufung beruht daher hauptsächlich auf der klinischen Bewertung. Die Beurteilung der Art der hyperkinetischen Bewegungsstörung ist komplex, da es kleine Nuancen zwischen Krankheiten und Patienten gibt, die mehrere Störungen haben können. Darüber hinaus macht der Mensch seine Beobachtung von einer holitischen Art und Weise und betrachtet daher immer die Kohärenz dessen, was beobachtet wird. Für eine korrekte Klassifizierung und Diagnose von hyperkinetischen Bewegungsstörungen ist eine objektive Beobachtung (Teile) des Körpers unerlässlich. Dies betrifft die Häufigkeit der Bewegungen, z. B. des oberen Arms, der Winkel, unter denen dies auftritt, und (in)random. Das Ergebnis ist, dass die korrekte Klassifizierung und Diagnose von Bewegungsstörungen derzeit einen Kappa-Wert hat, eine Maßnahme, die verwendet wird, um die Vereinbarung zwischen den Spezialisten von durchschnittlich 0,5 bis 0,6 widerzuspiegeln. ZiuZ und UMCG wollen in diesem Projekt untersuchen, wie künstliche Intelligenz zur Verbesserung der Klassifizierung und Diagnose beitragen kann, um sie auf mindestens 0,8 zu erhöhen und so die Zahl der „falschen“ Behandlungen zu verringern. Ziel dieses Projekts ist es daher, einen ersten prinzipiellen Nachweis eines Computer Aided Diagnostic Tool (CAD-Tool) zu entwickeln, das die Diagnose, Behandlung und Bewertung des natürlichen Verlaufs von hyperkinetischen Bewegungsstörungen und unter Verwendung mehrerer Datenquellen (Video/Sensoren/medizinische Informationen) verbessern soll. Die Projektergebnisse könnten dann auch auf z. B. Parkinsons Forschung angewendet werden, die Schnittstellen zu Zittern hat. (German)
15 December 2021
0 references
Attualmente, i pazienti con disturbi del movimento ipercinetico sono classificati sulla base del parere di esperti. L'elettromiografia (EMG) è usata in alcuni casi. La classificazione si basa quindi principalmente sulla valutazione clinica. Valutare il tipo di disturbo del movimento ipercinetico è complesso perché ci sono piccole sfumature tra le malattie e i pazienti possono avere disturbi multipli. Inoltre, l'uomo fa la sua osservazione da un modo olite e quindi guarda sempre alla coerenza di ciò che viene osservato. Per una corretta classificazione e diagnosi di disturbi ipercinetici del movimento, è essenziale un'osservazione oggettiva di (parti del) corpo. Ciò riguarda la frequenza dei movimenti, ad esempio, della parte superiore del braccio, degli angoli sotto i quali si verifica e (in)casuale. Il risultato di tutto questo è che la corretta classificazione e diagnosi dei disturbi del movimento attualmente ha un valore Kappa, una misura utilizzata per riflettere l'accordo tra gli specialisti, da una media di 0,5 a 0,6. ZiuZ e UMCG vogliono ricercare in questo progetto come l'intelligenza artificiale possa contribuire a migliorare la classificazione e la diagnosi con l'obiettivo di aumentarla ad almeno 0,8, riducendo così il numero di trattamenti "sbagliati". L'obiettivo di questo progetto è quindi quello di sviluppare una prima prova di principio di uno strumento diagnostico computerizzato (strumento CAD) che mira a migliorare la diagnosi, il trattamento e la valutazione del decorso naturale dei disturbi del movimento ipercinetico e utilizzando più fonti di dati (video/sensori/informazioni mediche). I risultati del progetto potrebbero quindi essere applicati anche alla ricerca di Parkinson, che ha interfacce con tremori. (Italian)
11 January 2022
0 references
Actualmente, los pacientes con trastornos del movimiento hipercinético se clasifican sobre la base de la opinión de los expertos. La electromiografía (EMG) se utiliza en algunos casos. Por lo tanto, la clasificación se basa principalmente en la evaluación clínica. Evaluar el tipo de trastorno del movimiento hipercinético es complejo porque hay pequeños matices entre las enfermedades y los pacientes pueden tener trastornos múltiples. Además, el hombre hace su observación de una manera holita y, por lo tanto, siempre mira la coherencia de lo que se está observando. Para una correcta clasificación y diagnóstico de trastornos del movimiento hipercinético, es esencial una observación objetiva de (partes de) el cuerpo. Esto se refiere a la frecuencia de los movimientos de, por ejemplo, la parte superior del brazo, los ángulos bajo los cuales esto ocurre y (in)random. El resultado de todo esto es que la correcta clasificación y diagnóstico de los trastornos del movimiento tiene actualmente un valor Kappa, una medida utilizada para reflejar el acuerdo entre los especialistas, de un promedio de 0,5 a 0,6. ZiuZ y UMCG quieren investigar en este proyecto cómo la inteligencia artificial puede contribuir a mejorar la clasificación y el diagnóstico con el objetivo de aumentarla a al menos 0,8 y así reducir el número de tratamientos «incorrectos». El objetivo de este proyecto es, por lo tanto, desarrollar una primera prueba de principio de una herramienta de diagnóstico asistido por ordenador (herramienta CAD) que tenga como objetivo mejorar el diagnóstico, el tratamiento y la evaluación del curso natural de trastornos del movimiento hipercinético y utilizando múltiples fuentes de datos (vídeo/sensores/información médica). Los resultados del proyecto también podrían aplicarse a, por ejemplo, la investigación de Parkinson, que tiene interfaces con temblores. (Spanish)
12 January 2022
0 references
Επί του παρόντος, οι ασθενείς με διαταραχές της υπερκινητικής κίνησης ταξινομούνται με βάση τη γνώμη εμπειρογνωμόνων. Σε ορισμένες περιπτώσεις χρησιμοποιείται ηλεκτρομυογραφία (ΗΜΓ). Ως εκ τούτου, η ταξινόμηση βασίζεται κυρίως σε κλινική αξιολόγηση. Η αξιολόγηση του τύπου της διαταραχής της υπερκινητικής κίνησης είναι πολύπλοκη επειδή υπάρχουν μικρές αποχρώσεις μεταξύ ασθενειών και οι ασθενείς μπορεί να έχουν πολλαπλές διαταραχές. Επιπλέον, ο άνθρωπος κάνει την παρατήρησή του από έναν καθολικό τρόπο και ως εκ τούτου πάντα εξετάζει τη συνοχή του τι παρατηρείται. Για μια σωστή ταξινόμηση και διάγνωση των διαταραχών της υπερκινητικής κίνησης, μια αντικειμενική παρατήρηση (μέρη) του σώματος είναι απαραίτητη. Αυτό αφορά τη συχνότητα των κινήσεων, για παράδειγμα, του άνω βραχίονα, των γωνιών κάτω από τις οποίες συμβαίνει αυτό και (σε)τυχαία. Το αποτέλεσμα όλων αυτών είναι ότι η σωστή ταξινόμηση και διάγνωση των κινητικών διαταραχών έχει σήμερα μια τιμή Kappa, ένα μέτρο που χρησιμοποιείται για να αντανακλά τη συμφωνία μεταξύ των ειδικών, από 0,5 έως 0,6 κατά μέσο όρο. Αυτό σημαίνει ότι οι πιθανότητες είναι σχετικά μεγάλες να γίνει μια λανθασμένη διάγνωση, να ξεκινήσει μια λανθασμένη θεραπεία και, ως εκ τούτου, η αποτελεσματικότητα της ολλανδικής περίθαλψης δεν είναι η βέλτιστη. Η ZiuZ και η UMCG επιθυμούν να διερευνήσουν σε αυτό το έργο τον τρόπο με τον οποίο η τεχνητή νοημοσύνη μπορεί να συμβάλει στη βελτίωση της ταξινόμησης και της διάγνωσης με στόχο την αύξηση της σε τουλάχιστον 0,8 και, ως εκ τούτου, τη μείωση του αριθμού της «λάθος» θεραπείας. Στόχος του παρόντος έργου είναι συνεπώς η ανάπτυξη μιας πρώτης απόδειξης αρχής ενός εργαλείου διάγνωσης με τη βοήθεια υπολογιστή (CAD) που αποσκοπεί στη βελτίωση της διάγνωσης, της θεραπείας και της αξιολόγησης της φυσικής πορείας των διαταραχών της υπερκινητικής κίνησης και στη χρήση πολλαπλών πηγών δεδομένων (βίντεο/αισθητήρες/ιατρικές πληροφορίες). Τα αποτελέσματα του έργου θα μπορούσαν επίσης να εφαρμοστούν, π.χ., στην έρευνα του Parkinson, η οποία έχει διασυνδέσεις με δονήσεις. (Greek)
21 August 2022
0 references
I øjeblikket er patienter med hyperkinetiske bevægelsesforstyrrelser klassificeret på grundlag af ekspertudtalelser. Elektromyografi (EMG) anvendes i nogle tilfælde. Klassificeringen er derfor hovedsagelig baseret på klinisk vurdering. Vurdering af typen af hyperkinetisk bevægelsesforstyrrelse er kompleks, fordi der er små nuancer mellem sygdomme og patienter kan have flere lidelser. Desuden gør mennesket sin observation fra en holit måde og ser derfor altid på sammenhængen i det, der observeres. For en korrekt klassificering og diagnose af hyperkinetiske bevægelsesforstyrrelser er en objektiv observation af (dele af) kroppen afgørende. Dette vedrører hyppigheden af bevægelser af f.eks. overarmen, de vinkler, hvorunder dette sker, og (i)tilfældig. Resultatet af alt dette er, at den korrekte klassificering og diagnose af bevægelsesforstyrrelser i øjeblikket har en Kappa værdi, en foranstaltning, der anvendes til at afspejle aftalen mellem specialisterne, fra et gennemsnit på 0,5 til 0,6. Det betyder, at chancerne er relativt høje for, at en forkert diagnose udføres, en forkert behandling startes, og derfor er effektiviteten af hollandsk pleje ikke optimal. ZiuZ og UMCG ønsker at undersøge i dette projekt, hvordan kunstig intelligens kan bidrage til at forbedre klassificeringen og diagnosen med det formål at øge den til mindst 0,8 og dermed reducere antallet af "forkert" behandling. Formålet med dette projekt er derfor at udvikle et første principbevis for et computerstøttet diagnostisk værktøj (CAD-værktøj), der har til formål at forbedre diagnosen, behandlingen og evalueringen af det naturlige forløb af hyperkinetiske bevægelsesforstyrrelser og ved hjælp af flere datakilder (video/sensorer/medicinsk information). Projektresultaterne kan så også anvendes på f.eks. Parkinsons forskning, som har grænseflader med rystelser. (Danish)
21 August 2022
0 references
Tällä hetkellä potilaat, joilla on hyperkineettisiä liikehäiriöitä, luokitellaan asiantuntijalausunnon perusteella. Elektromyografiaa (EMG) käytetään joissakin tapauksissa. Luokittelu perustuu näin ollen pääasiassa kliiniseen arviointiin. Hyperkineettisen liikkeen häiriön tyypin arviointi on monimutkaista, koska sairauksien välillä on pieniä vivahteita ja potilailla voi olla useita häiriöitä. Lisäksi ihminen tekee havaintonsa holiittisella tavalla ja katsoo siksi aina havainnoinnin johdonmukaisuutta. Hyperkineettisten liikehäiriöiden asianmukainen luokittelu ja diagnosointi on välttämätöntä kehon (osien) objektiivinen havainnointi. Tämä koskee esimerkiksi olkavarren liiketiheyttä, kulmia, joissa tämä tapahtuu, ja (in)satunnaisuutta. Kaiken tämän seurauksena liikkumishäiriöiden oikea luokitus ja diagnoosi on tällä hetkellä Kappa-arvo, jota käytetään asiantuntijoiden välisen sopimuksen mukaisesti keskimäärin 0,5–0,6. Tämä tarkoittaa, että mahdollisuudet ovat suhteellisen korkeat, että tehdään väärä diagnoosi, aloitetaan väärä hoito ja siksi hollantilaisen hoidon tehokkuus ei ole optimaalinen. ZiuZ ja UMCG haluavat tutkia tässä hankkeessa, miten tekoäly voi auttaa parantamaan luokitusta ja diagnosointia tavoitteena nostaa se vähintään 0,8:aan ja vähentää näin ”väärän” hoidon määrää. Hankkeen tavoitteena on näin ollen kehittää ensimmäinen periaatteellinen todiste tietokoneavusteisesta diagnostiikkatyökalusta (CAD-työkalu), jonka tavoitteena on parantaa hyperkineettisten häiriöiden luonnollisen kulun diagnosointia, hoitoa ja arviointia ja käyttää useita tietolähteitä (video/anturit/lääketieteellinen tieto). Hankkeen tuloksia voitaisiin soveltaa myös esimerkiksi Parkinsonin tutkimukseen, jossa on rajapintoja vapina. (Finnish)
21 August 2022
0 references
Bħalissa, pazjenti b’disturbi iperkinetiċi tal-moviment huma kklassifikati fuq il-bażi ta’ opinjoni esperta. L-elettromjografija (EMG) tintuża f’xi każijiet. Il-klassifikazzjoni hija għalhekk ibbażata prinċipalment fuq valutazzjoni klinika. Il-valutazzjoni tat-tip ta’ disturb ta’ moviment iperkinetiku hija kumplessa minħabba li hemm sfumaturi żgħar bejn il-mard u l-pazjenti jista’ jkollhom diversi disturbi. Barra minn hekk, il-bniedem ma osservazzjoni tagħha minn mod holite u għalhekk dejjem tħares lejn il-koerenza ta ‘dak li qed jiġi osservat. Għal klassifikazzjoni u dijanjożi xierqa ta’ disturbi iperkinetiċi ta’ moviment, osservazzjoni oġġettiva ta’ (partijiet minn) il-ġisem hija essenzjali. Dan jikkonċerna l-frekwenza ta’ movimenti ta’, pereżempju, il-parti ta’ fuq tad-driegħ, l-angoli li taħthom dan iseħħ u (fil-)random. Ir-riżultat ta’ dan kollu huwa li l-klassifikazzjoni korretta u d-dijanjożi ta’ disturbi ta’ moviment bħalissa għandhom valur Kappa, miżura użata biex tirrifletti l-ftehim bejn l-ispeċjalisti, minn medja ta’ 0.5 sa 0.6. Dan ifisser li ċ-ċansijiet huma relattivament għoljin li ssir dijanjożi ħażina, jinbeda trattament ħażin u għalhekk l-effettività tal-kura Olandiża mhijiex ottimali. ZiuZ u UMCG jixtiequ jirriċerkaw f’dan il-proġett kif l-intelliġenza artifiċjali tista’ tikkontribwixxi għat-titjib tal-klassifikazzjoni u d-dijanjożi bil-għan li tiżdied għal mill-inqas 0.8 u b’hekk jitnaqqas l-għadd ta’ trattament “ħażin”. L-għan ta’ dan il-proġett huwa għalhekk li tiġi żviluppata l-ewwel prova tal-prinċipju ta’ Għodda Dijanjostika bl-Għajnuna tal-Kompjuter (għodda CAD) li għandha l-għan li ttejjeb id-dijanjożi, it-trattament u l-evalwazzjoni ta’ kors naturali ta’ disturbi iperkinetiċi ta’ moviment u bl-użu ta’ sorsi ta’ data multipli (vidjo/sensuri/informazzjoni medika). Ir-riżultati tal-proġett jistgħu mbagħad jiġu applikati wkoll għal eż. ir-riċerka tal-Parkinson, li għandha interfaces ma’ rogħda. (Maltese)
21 August 2022
0 references
Pašlaik pacienti ar hiperkinētiskām kustību traucējumiem tiek klasificēti, pamatojoties uz ekspertu atzinumu. Dažos gadījumos izmanto elektromiogrāfiju (EMG). Tāpēc klasifikācija galvenokārt pamatojas uz klīnisko novērtējumu. Novērtējot hiperkinētisko kustību traucējumu veidu, ir sarežģīti, jo starp slimībām ir nelielas nianses, un pacientiem var būt vairāki traucējumi. Turklāt cilvēks dara savu novērojumu no holīta veidā un tāpēc vienmēr skatās uz to, kas tiek novērots saskanību. Pareizai hiperkinētisko kustību traucējumu klasifikācijai un diagnostikai būtiska ir objektīva ķermeņa (daļu) novērošana. Tas attiecas uz kustības biežumu, piemēram, augšdelma, leņķi, zem kuriem tas notiek, un (in)izlases. Tas viss ir tāds, ka pareizai kustības traucējumu klasifikācijai un diagnostikai pašlaik ir Kappa vērtība, ko izmanto, lai atspoguļotu vienošanos starp speciālistiem, vidēji no 0,5 līdz 0,6. Tas nozīmē, ka ir salīdzinoši lielas izredzes, ka tiek veikta nepareiza diagnoze, tiek uzsākta nepareiza ārstēšana, un tāpēc Nīderlandes aprūpes efektivitāte nav optimāla. ZiuZ un UMCG vēlas izpētīt, kā mākslīgais intelekts var palīdzēt uzlabot klasifikāciju un diagnostiku, lai to palielinātu vismaz līdz 0,8 un tādējādi samazinātu “nepareizas” ārstēšanas skaitu. Tāpēc šā projekta mērķis ir izstrādāt pirmo pierādījumu par datorizēta diagnostikas rīka (CAD) principu, kura mērķis ir uzlabot hiperkinētisko kustību traucējumu dabiskās gaitas diagnostiku, ārstēšanu un novērtēšanu un izmantot vairākus datu avotus (video/sensorus/medicīnisko informāciju). Projekta rezultātus pēc tam varētu izmantot arī, piemēram, Parkinsona pētījumiem, kuriem ir saskarne ar trīcēm. (Latvian)
21 August 2022
0 references
V súčasnosti sú pacienti s hyperkinetickými poruchami pohybu klasifikovaní na základe znaleckého posudku. V niektorých prípadoch sa používa elektromyografia (EMG). Klasifikácia sa preto zakladá najmä na klinickom hodnotení. Posúdenie typu hyperkinetickej poruchy pohybu je zložité, pretože existujú malé nuansy medzi chorobami a pacienti môžu mať viacnásobné poruchy. Okrem toho človek robí svoje pozorovanie z svätého spôsobu, a preto sa vždy pozerá na súdržnosť toho, čo sa pozoruje. Pre správnu klasifikáciu a diagnostiku hyperkinetických pohybových porúch je nevyhnutné objektívne pozorovanie (časti) tela. To sa týka frekvencie pohybov, napríklad hornej časti ramena, uhlov, pod ktorými k tomu dochádza, a (in)náhodného. Výsledkom toho všetkého je, že správna klasifikácia a diagnostika pohybových porúch má v súčasnosti hodnotu Kappa, opatrenie, ktoré sa používa na odzrkadlenie dohody medzi odborníkmi, v priemere od 0,5 do 0,6. To znamená, že šance sú relatívne vysoké, že sa urobí nesprávna diagnóza, začne sa nesprávna liečba, a preto účinnosť holandskej starostlivosti nie je optimálna. ZiuZ a UMCG chcú v rámci tohto projektu preskúmať, ako môže umelá inteligencia prispieť k zlepšeniu klasifikácie a diagnostiky s cieľom zvýšiť ju na najmenej 0,8, a tým znížiť počet „nesprávnej“ liečby. Cieľom tohto projektu je preto vypracovať prvý dôkaz princípu počítačového diagnostického nástroja (CAD nástroja), ktorého cieľom je zlepšiť diagnostiku, liečbu a hodnotenie prirodzeného priebehu porúch hyperkinetického pohybu a využívať viaceré zdroje údajov (video/senzory/lekárske informácie). Výsledky projektu by sa potom mohli použiť aj na napr. Parkinsonov výskum, ktorý má rozhrania s otrasmi. (Slovak)
21 August 2022
0 references
Faoi láthair, déantar othair a bhfuil neamhoird ghluaiseachta hipirchinéiteacha orthu a aicmiú ar bhonn tuairim na saineolaithe. Úsáidtear electromyography (EMG) i gcásanna áirithe. Dá bhrí sin, tá an t-aicmiú bunaithe go príomha ar mheasúnú cliniciúil. Tá measúnú ar an gcineál neamhord gluaiseachta hyperkinetic casta toisc go bhfuil nuances beag idir galair agus othair d’fhéadfadh neamhoird il. Ina theannta sin, déanann fear a bhreathnóireacht ó bhealach holite agus dá bhrí sin breathnaíonn sé i gcónaí ar chomhleanúnachas an méid atá á bhreathnú. Chun aicmiú agus diagnóis chuí a dhéanamh ar neamhoird ghluaiseachta hipirchinéiteacha, tá sé riachtanach breathnóireacht oibiachtúil a dhéanamh ar (nó codanna de) an chomhlachta. Baineann sé seo le minicíocht gluaiseachtaí, mar shampla, an lámh uachtarach, na huillinneacha faoina dtarlaíonn sé seo agus (in)random. Is é toradh seo go léir go bhfuil luach Kappa ag aicmiú agus diagnóis cheart neamhoird gluaiseachta faoi láthair, beart a úsáidtear chun an comhaontú idir na speisialtóirí a léiriú, ó mheán 0.5 go 0.6. Ciallaíonn sé seo go bhfuil an seans sách ard go ndéantar diagnóis mhícheart, go gcuirtear tús le cóireáil mhícheart agus, dá bhrí sin, nach bhfuil éifeachtacht chúram na hÍsiltíre optamach. Ba mhaith le ziuz agus UMCG taighde a dhéanamh sa tionscadal seo ar an gcaoi ar féidir leis an intleacht shaorga rannchuidiú le feabhas a chur ar an aicmiú agus ar an diagnóis d’fhonn í a mhéadú go 0.8 ar a laghad agus, ar an gcaoi sin, líon na cóireála ‘mícheart’ a laghdú. Is é is aidhm don tionscadal seo, dá bhrí sin, an chéad chruthúnas ar phrionsabal na huirlise Diagnóiseacha Ríomhchuidithe (uirlis CAD) a fhorbairt, arb é is aidhm dó feabhas a chur ar dhiagnóisiú, ar chóireáil agus ar mheastóireacht ar chúrsa nádúrtha neamhoird ghluaiseachta hipirchinéitigh agus úsáid a bhaint as iliomad foinsí sonraí (físeáin/braiteoirí/faisnéis leighis). D’fhéadfaí torthaí an tionscadail a chur i bhfeidhm ansin freisin, e.g. taighde Parkinson, a bhfuil comhéadain aige le tremors. (Irish)
21 August 2022
0 references
V současné době jsou pacienti s hyperkinetickou poruchou pohybu klasifikováni na základě odborného posudku. V některých případech se používá elektromyografie (EMG). Klasifikace je proto založena především na klinickém hodnocení. Posouzení typu hyperkinetické poruchy pohybu je složité, protože existují malé nuance mezi onemocněními a pacienty mohou mít mnohočetné poruchy. Kromě toho, člověk dělá své pozorování ze svatyně, a proto se vždy dívá na soudržnost toho, co je pozorováno. Pro správnou klasifikaci a diagnostiku hyperkinetických pohybových poruch je nezbytné objektivní pozorování (částí) těla. To se týká četnosti pohybů například horní části paže, úhlů, pod nimiž k tomu dochází, a (v)náhodném. Výsledkem je, že správná klasifikace a diagnostika poruch pohybu má v současné době hodnotu Kappa, což je opatření, které odráží dohodu mezi odborníky, v průměru od 0,5 do 0,6. To znamená, že šance jsou poměrně vysoké, že se provádí špatná diagnóza, je zahájena špatná léčba, a proto účinnost nizozemské péče není optimální. ZiuZ a UMCG chtějí v tomto projektu zkoumat, jak může umělá inteligence přispět ke zlepšení klasifikace a diagnózy s cílem zvýšit ji nejméně na 0,8, a tím snížit počet „špatné“ léčby. Cílem tohoto projektu je proto vytvořit první důkaz principu počítačového diagnostického nástroje (CAD nástroje), jehož cílem je zlepšit diagnostiku, léčbu a hodnocení přirozeného průběhu hyperkinetických pohybových poruch a využít více zdrojů dat (video/senzory/lékařské informace). Výsledky projektu by pak mohly být použity např. na Parkinsonův výzkum, který má rozhraní s třesy. (Czech)
21 August 2022
0 references
Atualmente, os pacientes com distúrbios do movimento hipercinético são classificados com base na opinião de especialistas. A eletromiografia (EMG) é utilizada em alguns casos. Por conseguinte, a classificação baseia-se principalmente na avaliação clínica. Avaliar o tipo de distúrbio do movimento hipercinético é complexo porque há pequenas nuances entre as doenças e os pacientes podem ter múltiplos distúrbios. Além disso, o homem faz a sua observação de uma forma holite e, portanto, sempre olha para a coerência do que está a ser observado. Para uma classificação e diagnóstico adequados dos distúrbios do movimento hipercinético, é essencial uma observação objetiva de (partes do) corpo. Isto diz respeito à frequência dos movimentos, por exemplo, da parte superior do braço, dos ângulos sob os quais isso ocorre e (in)aleatórios. O resultado de tudo isso é que a correta classificação e diagnóstico de distúrbios do movimento atualmente tem um valor Kappa, medida utilizada para refletir a concordância entre os especialistas, de uma média de 0,5 a 0,6. Isto significa que as possibilidades são relativamente altas que um diagnóstico errado é feito, um tratamento errado é começado e conseqüentemente a eficácia dos cuidados holandeses não é óptima. A ZiuZ e a UMCG pretendem investigar neste projeto de que forma a inteligência artificial pode contribuir para melhorar a classificação e o diagnóstico, com o objetivo de a aumentar para, pelo menos, 0,8 e, assim, reduzir o número de tratamentos «errados». O objetivo deste projeto é, portanto, desenvolver uma primeira prova de princípio de uma Ferramenta de Diagnóstico Assistida por Computador (ferramenta CAD) que visa melhorar o diagnóstico, o tratamento e a avaliação do curso natural das perturbações do movimento hipercinético e utilizar múltiplas fontes de dados (vídeo/sensores/informação médica). Os resultados do projeto poderiam então também ser aplicados, por exemplo, à investigação de Parkinson, que tem interfaces com tremores. (Portuguese)
21 August 2022
0 references
Praegu klassifitseeritakse hüperkineetilise liikumise häiretega patsiendid eksperdiarvamuse alusel. Mõnel juhul kasutatakse elektromüograafiat (EMG). Seetõttu põhineb klassifitseerimine peamiselt kliinilisel hindamisel. Hüperkineetilise liikumise häire tüübi hindamine on keeruline, sest haiguste vahel on väikesed nüansid ja patsientidel võib olla mitu häiret. Lisaks sellele teeb inimene oma tähelepanekut holiidilt ja vaatleb seetõttu alati vaadeldud järjekindlust. Hüperkineetiliste liikumishäirete nõuetekohaseks klassifitseerimiseks ja diagnoosimiseks on oluline keha (osade) objektiivne jälgimine. See puudutab näiteks õlavarre liikumiste sagedust, nurki, mille all see aset leiab, ja (in)juhuslikke liikumisi. Kõige selle tulemuseks on see, et liikumishäirete õigel klassifitseerimisel ja diagnoosimisel on praegu Kappa väärtus, mida kasutatakse spetsialistide vahelise kokkuleppe kajastamiseks, keskmiselt 0,5–0,6-st. See tähendab, et tõenäosus on suhteliselt suur, et tehakse vale diagnoos, alustatakse valet ravi ja seetõttu ei ole Hollandi ravi tõhusus optimaalne. ZiuZ ja UMCG soovivad selles projektis uurida, kuidas tehisintellekt saab aidata parandada klassifitseerimist ja diagnoosimist, et suurendada seda vähemalt 0,8-ni ja vähendada seega vale ravi arvu. Projekti eesmärk on seega välja töötada esimene tõend arvutipõhise diagnostikavahendi (CAD) põhimõtte kohta, mille eesmärk on parandada hüperkineetiliste liikumishäirete loomuliku kulgemise diagnoosimist, ravi ja hindamist ning kasutada mitut andmeallikat (video/sensorid/meditsiiniline teave). Projekti tulemusi võiks kasutada ka näiteks Parkinsoni uurimistöös, millel on kokkupuuted värinatega. (Estonian)
21 August 2022
0 references
Jelenleg a hiperkinetikus mozgászavarban szenvedő betegeket szakértői vélemény alapján osztályozzák. Néhány esetben elektromiográfiát (EMG) használnak. A besorolás ezért főként klinikai értékelésen alapul. A hiperkinetikus mozgászavar típusának értékelése összetett, mert kis árnyalatok vannak a betegségek között, és a betegeknek több rendellenességük is lehet. Ezenkívül az ember a megfigyelését szent módon végzi, és ezért mindig a megfigyeltek koherenciáját vizsgálja. A hiperkinetikus mozgászavarok megfelelő osztályozásához és diagnosztizálásához elengedhetetlen a test (részeinek) objektív megfigyelése. Ez vonatkozik például a felkar mozgásának gyakoriságára, a szögekre, amelyek alatt ez bekövetkezik, és (a)véletlen. Mindez azt eredményezi, hogy a mozgászavarok helyes osztályozása és diagnózisa jelenleg Kappa értékkel rendelkezik, amely a szakemberek közötti megállapodást tükrözi, átlagosan 0,5 és 0,6 között. Ez azt jelenti, hogy viszonylag nagy az esélye annak, hogy rossz diagnózist végeznek, rossz kezelést indítanak, ezért a holland ellátás hatékonysága nem optimális. A ZiuZ és az UMCG e projekt keretében azt kívánja vizsgálni, hogy a mesterséges intelligencia hogyan járulhat hozzá az osztályozás és a diagnózis javításához azzal a céllal, hogy azt legalább 0,8-re emeljék, és ezáltal csökkentsék a „rossz” kezelések számát. A projekt célja ezért a számítógéppel segített diagnosztikai eszköz (CAD eszköz) első bizonyítékának kidolgozása, amelynek célja a hiperkinetikus mozgászavarok természetes lefolyásának diagnosztizálása, kezelése és értékelése több adatforrás (videó/szenzorok/orvosi információk) felhasználásával. Ezt követően a projekt eredményei felhasználhatók pl. a Parkinson kutatására is, amely a remegéshez kapcsolódik. (Hungarian)
21 August 2022
0 references
Понастоящем пациентите с нарушения на хиперкинетичното движение се класифицират въз основа на експертно мнение. В някои случаи се използва електромиография (EMG). Следователно класификацията се основава главно на клинична оценка. Оценката на вида на хиперкинетичното разстройство на движението е сложна, тъй като има малки нюанси между заболяванията и пациентите могат да имат множество нарушения. В допълнение, човек прави своето наблюдение от холит начин и затова винаги разглежда съгласуваността на това, което се наблюдава. За правилното класифициране и диагностициране на нарушения на хиперкинетичните движения обективното наблюдение на (части от) тялото е от съществено значение. Това се отнася до честотата на движенията, например, на горната част на ръката, ъглите, под които това се случва, и (в)случайни. Резултатът от всичко това е, че правилната класификация и диагностика на нарушения на движението в момента има Kappa стойност, мярка, използвана за отразяване на споразумението между специалистите, от средно 0,5 до 0,6. Това означава, че шансовете са относително високи, че се прави грешна диагноза, започва погрешно лечение и следователно ефективността на холандските грижи не е оптимална. ZiuZ и UMCG искат да проучат в рамките на този проект как изкуственият интелект може да допринесе за подобряване на класификацията и диагностиката с цел да се увеличи до поне 0,8 и по този начин да се намали броят на „неправилното“ лечение. Следователно целта на този проект е да се разработи първо доказателство за принцип на инструмент за компютърна диагностика (CAD инструмент), който има за цел да подобри диагностиката, лечението и оценката на естествения ход на хиперкинетичните нарушения на движението и използването на множество източници на данни (видео/сензори/медицинска информация). След това резултатите от проекта биха могли да бъдат приложени например към изследванията на Parkinson, които имат интерфейси с тремор. (Bulgarian)
21 August 2022
0 references
Šiuo metu pacientai, turintys hiperkinetinių judesių sutrikimų, klasifikuojami remiantis ekspertų nuomone. Kai kuriais atvejais naudojama elektromiografija (EMG). Todėl klasifikacija daugiausia grindžiama klinikiniu vertinimu. Hiperkinetinio judėjimo sutrikimo tipo vertinimas yra sudėtingas, nes yra nedidelių niuansų tarp ligų ir pacientų gali turėti keletą sutrikimų. Be to, žmogus atlieka savo stebėjimą iš holito būdu ir dėl to visada žiūri į tai, kas yra stebima. Norint tinkamai klasifikuoti ir diagnozuoti hiperkinetinius judėjimo sutrikimus, būtinas objektyvus kūno (dalių) stebėjimas. Tai susiję su, pavyzdžiui, žasto, kampų, pagal kuriuos tai įvyksta, judesių dažnumu ir atsitiktine tvarka. Viso to rezultatas yra tai, kad teisinga judėjimo sutrikimų klasifikacija ir diagnozė šiuo metu turi Kappa vertę, priemonę, naudojamą specialistų susitarimui atspindėti, nuo 0,5 iki 0,6 vidurkio. Tai reiškia, kad tikimybė, jog bus atlikta neteisinga diagnozė, yra gana didelė, pradedamas neteisingas gydymas, todėl Nyderlandų sveikatos priežiūros veiksmingumas nėra optimalus. ZiuZ ir UMCG nori ištirti, kaip dirbtinis intelektas gali prisidėti gerinant klasifikaciją ir diagnozę, siekiant padidinti jį bent iki 0,8 ir taip sumažinti neteisingo gydymo skaičių. Todėl šio projekto tikslas – parengti pirmąjį kompiuterinių diagnostikos priemonių (CAD) principo įrodymą, kuriuo siekiama pagerinti natūralios hiperkinetinių judesių sutrikimų eigos diagnozę, gydymą ir vertinimą bei naudojant įvairius duomenų šaltinius (vaizdo įrašus/jutiklius/medicininę informaciją). Tada projekto rezultatai taip pat galėtų būti taikomi, pvz., Parkinsono tyrimams, kurie turi sąsajų su drebuliu. (Lithuanian)
21 August 2022
0 references
Trenutno se bolesnici s hiperkinetičkim poremećajima kretanja klasificiraju na temelju stručnog mišljenja. U nekim se slučajevima koristi elektromiografija (EMG). Razvrstavanje se stoga uglavnom temelji na kliničkoj procjeni. Procjena vrste hiperkinetičkog poremećaja kretanja je složena jer postoje male nijanse između bolesti i pacijenata mogu imati višestruke poremećaje. Osim toga, čovjek čini svoje promatranje iz holite način i stoga uvijek gleda na koherentnost onoga što se promatra. Za pravilnu klasifikaciju i dijagnozu poremećaja hiperkinetičkog pokreta neophodno je objektivno promatranje (dijelova) tijela. To se odnosi na učestalost gibanja, na primjer, nadlaktice, kutove pod kojima se to događa i (ne)slučajno. Rezultat svega toga je da ispravna klasifikacija i dijagnoza poremećaja kretanja trenutno ima Kappa vrijednost, mjeru koja se koristi za odražavanje sporazuma između stručnjaka, od prosječno 0,5 do 0,6. To znači da su šanse relativno visoke da se napravi pogrešna dijagnoza, započne se pogrešno liječenje i stoga učinkovitost nizozemske skrbi nije optimalna. ZiuZ i UMCG žele u okviru ovog projekta istražiti kako umjetna inteligencija može doprinijeti poboljšanju klasifikacije i dijagnoze s ciljem njezina povećanja na najmanje 0,8, a time i smanjenja broja „pogrešnih” liječenja. Cilj ovog projekta je stoga razviti prvi dokaz principa računalno potpomognutog dijagnostičkog alata (CAD alat) koji ima za cilj poboljšati dijagnozu, liječenje i procjenu prirodnog tijeka poremećaja hiperkinetičkog pokreta i koristiti više izvora podataka (video/senzori/medicinske informacije). Rezultati projekta tada bi se mogli primijeniti i na npr. Parkinsonovo istraživanje koje ima sučelja s podrhtavanjem. (Croatian)
21 August 2022
0 references
För närvarande klassificeras patienter med hyperkinetiska rörelsestörningar på grundval av expertutlåtanden. Elektromyografi (EMG) används i vissa fall. Klassificeringen baseras därför huvudsakligen på klinisk bedömning. Att bedöma vilken typ av hyperkinetisk rörelsestörning är komplex eftersom det finns små nyanser mellan sjukdomar och patienter kan ha flera sjukdomar. Dessutom gör människan sin observation från ett holit sätt och ser därför alltid på koherensen i det som observeras. För en korrekt klassificering och diagnos av hyperkinetiska rörelsestörningar är en objektiv observation av (delar av) kroppen nödvändig. Detta gäller frekvensen av rörelser av, till exempel, överarmen, de vinklar under vilka detta sker och (i)random. Resultatet av allt detta är att rätt klassificering och diagnos av rörelsestörningar för närvarande har ett Kappa-värde, ett mått som används för att återspegla överenskommelsen mellan specialisterna, från i genomsnitt 0,5 till 0,6. Detta innebär att chanserna är relativt höga att en felaktig diagnos görs, en felaktig behandling startas och därför är den nederländska vårdens effektivitet inte optimal. ZiuZ och UMCG vill i detta projekt forska om hur artificiell intelligens kan bidra till att förbättra klassificeringen och diagnosen i syfte att öka den till minst 0,8 och därmed minska antalet ”fel” behandling. Syftet med detta projekt är därför att utveckla ett första principtest av ett datorstödt diagnostikverktyg (CAD-verktyg) som syftar till att förbättra diagnosen, behandlingen och utvärderingen av naturliga förlopp av hyperkinetiska rörelsestörningar och använda flera datakällor (video/sensorer/medicinsk information). Projektresultaten skulle då också kunna tillämpas på t.ex. Parkinsons forskning, som har gränssnitt mot skakningar. (Swedish)
21 August 2022
0 references
În prezent, pacienții cu tulburări de mișcare hiperkinetică sunt clasificați pe baza opiniilor experților. Electromiografia (EMG) este utilizată în unele cazuri. Prin urmare, clasificarea se bazează în principal pe evaluarea clinică. Evaluarea tipului de tulburare de mișcare hiperkinetică este complexă, deoarece există nuanțe mici între boli și pacienți pot avea tulburări multiple. În plus, omul își face observația dintr-o manieră holită și, prin urmare, se uită întotdeauna la coerența a ceea ce se observă. Pentru o clasificare adecvată și diagnosticarea tulburărilor de mișcare hiperkinetică, este esențială o observare obiectivă a (părților) corpului. Aceasta se referă la frecvența mișcărilor, de exemplu, ale brațului superior, ale unghiurilor sub care se produce acest lucru și (în)aleatorii. Rezultatul tuturor acestora este că clasificarea și diagnosticarea corectă a tulburărilor de mișcare au în prezent o valoare Kappa, o măsură utilizată pentru a reflecta acordul dintre specialiști, de la o medie de 0,5 la 0,6. Aceasta înseamnă că șansele sunt relativ mari ca un diagnostic greșit să fie făcut, să înceapă un tratament greșit și, prin urmare, eficacitatea îngrijirii olandeze nu este optimă. ZiuZ și UMCG doresc să cerceteze în acest proiect modul în care inteligența artificială poate contribui la îmbunătățirea clasificării și diagnosticării, cu scopul de a o crește la cel puțin 0,8 și, astfel, de a reduce numărul de tratamente „greșite”. Scopul acestui proiect este, prin urmare, de a dezvolta o primă dovadă de principiu a unui instrument de diagnosticare asistată de calculator (instrument CAD) care vizează îmbunătățirea diagnosticului, tratamentului și evaluării cursului natural al tulburărilor de mișcare hiperkinetică și utilizarea mai multor surse de date (video/senzori/informații medicale). Rezultatele proiectului ar putea fi apoi aplicate, de exemplu, cercetării Parkinson, care are interfețe cu tremor. (Romanian)
21 August 2022
0 references
Trenutno so bolniki s hiperkinetičnimi motnjami gibanja razvrščeni na podlagi strokovnega mnenja. V nekaterih primerih se uporablja elektromiografija (EMG). Razvrstitev torej temelji predvsem na klinični oceni. Ocenjevanje vrste hiperkinetične motnje gibanja je zapleteno, ker obstajajo majhne nianse med boleznimi in bolniki imajo lahko več motenj. Poleg tega človek naredi svoje opazovanje iz holitnega načina in zato vedno gleda na skladnost tega, kar se opazuje. Za pravilno razvrstitev in diagnozo hiperkinetičnih motenj gibanja je bistveno objektivno opazovanje (delov) telesa. To se nanaša na pogostost gibov, na primer, nadlakti, kotov, pod katerimi se to zgodi, in (ne)naključno. Rezultat vsega tega je, da ima pravilna klasifikacija in diagnoza motenj gibanja trenutno Kappa vrednost, ukrep, ki odraža dogovor med strokovnjaki, od povprečno 0,5 do 0,6. To pomeni, da so možnosti razmeroma velike, da se naredi napačna diagnoza, začne se napačno zdravljenje in zato učinkovitost nizozemske oskrbe ni optimalna. ZiuZ in UMCG želita v tem projektu raziskati, kako lahko umetna inteligenca prispeva k izboljšanju klasifikacije in diagnoze, da bi jo povečali na vsaj 0,8 in tako zmanjšali število „napačnih“ zdravljenja. Cilj tega projekta je torej razviti prvi dokaz načela računalniško podprtega diagnostičnega orodja (CAD orodje), katerega cilj je izboljšati diagnozo, zdravljenje in vrednotenje naravnega poteka hiperkinetičnih motenj gibanja in uporabo več virov podatkov (video/senzorji/medicinske informacije). Rezultati projekta bi se nato lahko uporabili tudi za npr. Parkinsonovo raziskavo, ki je povezana s tremorjem. (Slovenian)
21 August 2022
0 references
Obecnie pacjenci z zaburzeniami ruchu hiperkinetycznego są klasyfikowani na podstawie opinii ekspertów. W niektórych przypadkach stosuje się elektromiografię (EMG). Klasyfikacja opiera się zatem głównie na ocenie klinicznej. Ocena typu hiperkinetycznego zaburzenia ruchu jest złożona, ponieważ istnieją małe niuanse między chorobami i pacjentów może mieć wiele zaburzeń. Ponadto człowiek robi swoje spostrzeżenia z holistycznego sposobu i dlatego zawsze patrzy na spójność tego, co jest obserwowane. Dla prawidłowej klasyfikacji i diagnozy hiperkinetycznych zaburzeń ruchowych niezbędna jest obiektywna obserwacja (części) ciała. Dotyczy to częstotliwości ruchów, na przykład ramienia górnego, kątów, pod którymi to występuje i (w)losowych. Wynikiem tego wszystkiego jest to, że prawidłowa klasyfikacja i diagnoza zaburzeń ruchowych ma obecnie wartość Kappa, miarą stosowaną do odzwierciedlenia porozumienia między specjalistami, średnio od 0,5 do 0,6. Oznacza to, że istnieje stosunkowo duże prawdopodobieństwo dokonania błędnej diagnozy, rozpoczęcia niewłaściwego leczenia, a zatem skuteczność opieki holenderskiej nie jest optymalna. ZiuZ i UMCG chcą zbadać w tym projekcie, w jaki sposób sztuczna inteligencja może przyczynić się do poprawy klasyfikacji i diagnozy w celu zwiększenia jej do co najmniej 0,8, a tym samym zmniejszenia liczby „niewłaściwych” leczenia. Celem tego projektu jest zatem opracowanie pierwszego dowodu zasady narzędzia diagnostycznego wspomaganego komputerowo (CAD), którego celem jest poprawa diagnozowania, leczenia i oceny naturalnego przebiegu zaburzeń ruchu hiperkinetycznego oraz wykorzystanie wielu źródeł danych (wideo/czujniki/informacje medyczne). Wyniki projektu można by następnie zastosować np. do badań Parkinsona, które łączą się z drżeniem. (Polish)
21 August 2022
0 references
Identifiers
OP-2014-2023-Noord-OPSNN0193
0 references