АЛГОРИТМ ДЕТЕКТИРОВАНИЯ ДЕФЕКТОВ МЕЛКОЙ МОТОРИКИ НА ОСНОВЕ ИНФОРМАЦИИ ОТ СЕНСОРОВ СМАРТФОНА

Аннотация

Цифровизация является ведущим трендом современности человечества. Она позво- ляет решать многие бытовые задачи с помощью устройств со специализированными алго- ритмами облегчая быт, а также решать ряд задач, для которых еще вчера требовались квалифицированные специалисты. Одной из таких задач является самостоятельная пред- варительная диагностика пациентов в медицине. Возможность выполнять такую диагно- стику позволяет сократить время на выявление проблем при различных заболеваниях, в частности неврологических, в том числе таких случаях, как дефект мелкой моторики, как следствие такой вид диагностики позволяет уменьшить нагрузку на медицинских специа- листов. Стоит отметить, что время играет решающую роль в процессе оказания меди- цинской помощи, и своевременное оказание медицинской помощи может спасти жизнь человека. Таким образом, разработка решения, позволяющего проводить самостоятельную предварительную диагностику дефектов мелкой моторики используя технические средст- ва, которые имеются почти у всех, является актуальной задачей на сегодняшний день. Целью работы является расширение методов диагностики наличия дефектов мелкой мо- торики. Для достижения данной цели были поставлены задачи по исследованию имеющих- ся решений по теме и разработке специализированного алгоритма, предназначенного для использования в смартфонах в рамках системы биомедицинского мониторинга. В статье представлен алгоритм определения дефектов мелкой моторики человека по данным кине- матического датчика смартфона – трехосевого акселерометра. Представленное решение основано на анализе углов отклонений, получаемых от акселерометра смартфона при вы- полнении пациентом поставленного задания (упражнения). Задание требует от пациента принять исходное положение в течение трех секунд и, затем, удерживать смартфон на вытянутой руке в течение 10 секунд, в течение которых выполняется измерение показаний трехосевого акселерометра. Результаты испытаний разработанного решения показали точность на уровне 0,05 для ошибок первого рода и 0,09 для ошибок второго рода. Полу- ченные результаты свидетельствуют о возможности использования решения для предва- рительной самодиагностики и может быть использовано как элемент модуля диагности- ки в крупных системах биомедицинского мониторинга.