o:23819 Decision support system for assessment of patients with neurodegenerative disorders: doctoral dissertation doctoral dissertation Систем за подршку одлучивању, евалуацију и праћење стања пацијената оболелих од неуродегенеративних болести;- : doctoral dissertation sr Системи за подршку клиничком одлучивању представљају рачунарске алате који применом напредних технологија могу утицати на доношење одлука у вези са пацијентима. У овој дисертацији представљени су истраживање и развој новог система за подршку одлучивању, евалуацију и праћење стања пацијената оболелих од неуродегенеративних болести. Анализа клинички релевантних и свакодневних покрета чини основу овог система. Обрасци ових покрета снимљени су помоћу бежичних, носивих сензора малих димензија и тежине, који не захтевају компликовану поставку и могу се једноставно применити у било ком окружењу. Први део система намењен је (раном) препознавању Паркинсонове болести (ПБ) на основу анализе хода и алгоритама дубоког учења. Резултати су показали да је ПБ пацијенте могуће препознати са високом тачношћу. Други део система посвећен је праћењу симптома ПБ брадикинезије применом резоновања који се базира на знању. Представљена је метода за анализу покрета који се користе за евалуацију брадикинезије. Поред тога, применом различитих метода обраде сигнала развијена је нова метрика за квантификацију важних карактеристика ових покрета. Предикција степена развоја симптома се заснива на новом експертском систему који у потпуности објективизује клиничке евалуационе критеријуме. Валидација је урађена на примеру покрета тапкања прстију, који је снимљен на пацијенатима са типичним и атипичним паркинсонизимом. Показана је висока усаглашеност у поређењу са клиничким подацима. Развијени систем је објективан, аутоматизован, једноставно се користи, садржи интуитиван графички и параметарски приказ резултата и значајно доприноси унапређењу клиничких процедура за евалуацију и праћење стања пацијената са неуродегенеративним болестима. Clinical decision support system represents a computer-aided tool that utilizes advanced technologies for influencing clinical decisions about patients. This dissertation presents research and development of a new decision support system for the assessment of patients with neurodegenerative diseases. The analysis of movements that are part of standard clinical scales or everyday activities represents the basis of the system. These movements are recorded using small and lightweight wearable, wireless sensors, which do not require complicated setup and can be easily applied in any environment. The first part of system is dedicated to the (early) recognition of Parkinson’s disease (PD) based on gait analysis and deep learning algorithms. PD patients could be identified with a high accuracy. The other part of the system is dedicated to the assessment of PD symptoms, more specifically, bradykinesia, utilizing the knowledge-based reasoning. A method for analysis of bradykinesia related movements is defined and presented. Moreover, by applying different signal processing techniques, new metrics have been developed to quantify the essential characteristics of these movements. The prediction of symptom severity was performed using new expert system that completely objectified the clinical evaluation criteria. Validation was performed on the example of the finger-tapping movement of patients with typical and atypical parkinsonism. A high compliance rate was obtained compared to clinical data. The developed system is objective, automated, easy to use, contains an intuitive graphical and parametric presentation of results, and significantly contributes to the improvement of clinical assessment of patients with neurodegenerative diseases. technical sciences, electrical engineering - biomedical engineering / техничке науке, електротехника биомедицинско инжењерство Datum odbrane: 19.03.2021. null decision support system; movement analysis; wearable sensors; machinelearning; signal processing; expert rules; neurodegenerative disorders; Parkinson’s disease,bradykinesia; clinical assessment систем за подршку одлучивању; анализа покрета; „носиви“ сензори;машинско учење; обрада сигнала; експертска правила; неуродегенеративне болести;Паркинсонова болест; брадикензија; клиничко праћење и евалуација стања. yes 40127753 91552101 8167 91552100 40127753 2021-06-08T12:03:38.053Z 45 no 46 mentor Vladislava, 1991-, 27182439 Bobić 2020 63 mentor Goran, 1975-, 12893287 Kvaščev 2020 63 član komisije Dejan, 1950-, 12327527 Popović 2020 63 član komisije Vladimir, 1953-, 12148839 Kostić 2020 63 član komisije Željko, 1964-, 12656487 Đurović 2020 63 član komisije Milica, 1982-, 27186023 Đurić-Jovičić 2020 120 str. 4306110 http://phaidrabg.bg.ac.rs/o:23819 no yes 4 2021-06-08T12:03:38.320Z 70 11 1066648 1066654 1066662 11 1067197 1067243 1067275 decision support system; movement analysis; wearable sensors; machinelearning; signal processing; expert rules; neurodegenerative disorders; Parkinson’s disease,bradykinesia; clinical assessment систем за подршку одлучивању; анализа покрета; „носиви“ сензори;машинско учење; обрада сигнала; експертска правила; неуродегенеративне болести;Паркинсонова болест; брадикензија; клиничко праћење и евалуација стања. 004.6:621.39(043.3) 1738 11A04 2020