×
王，艾;简·西伯;威廉·R·杨。;克拉西米拉Tsaneva-Atanasova

步态冻结现象的时间序列分析和建模。 （英语） Zbl 1515.92041号

SIAM J.应用。动态。系统。 22，第2期，825-849（2023）.
小结：步态僵硬（FOG）是帕金森病最虚弱的症状之一，与跌倒和丧失独立性有关。目前对FOG的病理生理机制了解甚少。本文将时间序列分析与数学建模相结合，研究光纤陀螺现象的动力学。我们关注从原地踏步到冻结的过渡，并在从振荡吸引子逃逸到平衡吸引子状态的背景下处理这一现象。我们从实验数据中提取出离散时间离散空间马尔可夫链，并将其状态空间划分为通信类，以识别向冻结的过渡。这使我们能够开发一种方法，用于计算估计经历冻结发作（FE）的患者的冻结时间以及沿振荡（步进）周期的阶段。所开发的方法是通用的，可以应用于具有不同动态状态之间过渡特征的任何时间序列，包括FOG患者向前行走的时间序列数据。

MSC公司：

92C60型 医学流行病学
34立方厘米 常微分方程的非线性振动和耦合振子
37M10个 动力系统的时间序列分析
60J10型 马尔可夫链（离散状态空间上的离散时间马尔可夫过程）

关键词：

步态冻结;时间序列分析;相位预测;帕金森氏病;平均逃逸时间;马尔可夫链建模
PDF格式BibTeX公司 XML格式引用
\textit{A.Wang}等人，SIAM J.Appl。动态。系统。22，第2号，825--849（2023；Zbl 1515.92041）
全文： DOI程序 arXiv公司

参考文献：

[1] Almeida，Q.J.和Lebold，C.A.，帕金森氏病步态冻结：运动障碍的知觉原因？，神经学杂志。《神经外科精神病学》，81（2010），第513-518页，doi:10.1136/jnnp.2008.160580。
[2] Ashkenazy，Y.、Hausdorff，J.M.、Ivanov，P.C.和Stanley，H.E.，《人体步态动力学随机模型》，Phys。A、 316（2002），第662-670页，doi:10.1016/S0378-4371（02）01453-X·Zbl 1001.92019
[3] Creaser，J.，Tsaneva Atanasova，K.和Ashwin，P.，振荡网络动力学的序列噪声诱导逃逸，SIAM J.Appl。动态。系统。，17（2018），第500-525页，doi:10.1137/17M1126412·Zbl 1387.60088号
[4] Daffertshofer，A.，噪声对非线性振荡器相位动力学的影响，物理学。E版，58（1998），327。
[5] Feldman，M.，《振动分析中的希尔伯特变换》，机械。系统。信号处理。，25（2011），第735-802页，doi:10.1016/j.ymssp.2010.07.018。
[6] Gao，C.，Liu，J.，Tan，Y.和Chen，S.，帕金森病步态冻结：病理生理学、危险因素和治疗，Trans。神经变性剂。，9（2020年），第1-22页。
[7] Gardiner，C.W.et al.，《随机方法手册》，第二版，施普林格-弗拉格出版社，柏林，1985年。
[8] Giladi，N.、Treves，T.、Simon，E.、Shabtai，H.、Orlov，Y.、Kandinov，B.、Paleacu，D.和Korczyn，A.，晚期帕金森病患者步态的冻结，J.Neural Transm。，108（2001），第53-61页，doi:10.1007/s00702017096。
[9] Guckenheimer，J.和Kuznetsov，Y.A.，Bautin分歧，学者媒体，2（2007），1853，doi:10.4249/schorarpedia.1853。
[10] Hausdorff，J.、Cudkowicz，M.、Firtion，R.、Wei，J.和Goldberger，A.，《步态变异性和基底神经节疾病：帕金森病和亨廷顿病步态周期时间的跨步态变异》，Mov。无序。，13（1998），第428-437页，doi:10.1002/mds.870130310。
[11] Hausdorff，J.M.，《步态可变性：方法、建模和意义》，J.Neuroeng。Rehabil.，2（2005），第1-9页，doi:10.1186/1743-0003-2-19。
[12] Jacobs，J.V.、Nutt，J.G.、Carlson-Kuhta，P.、Stephens，M.和Horak，F.B.，步态冻结期间膝盖颤抖代表多重预期姿势调整，实验神经学。，215（2009），第334-341页，doi:10.1016/j.expneuro.2008.10.019。
[13] Kennel，M.B.、Brown，R.和Abarbanel，H.D.，使用几何结构确定相空间重建的嵌入尺寸，Phys。Rev.A，45（1992），3403，doi:10.1103/PhysRevA.45.3403。
[14] Lewis，S.、Factor，S.，Giladi，N.、Nieuwboer，A.、Nutt，J.和Hallett，M.，加紧应对帕金森病患者步态冻结的挑战，Trans。神经变性剂。，11（2022），第1-12页，doi:10.1186/s40035-022-00298-x。
[15] Lewis，S.J.和Barker，R.A.，帕金森病步态冻结的病理生理模型，帕金森病相关。无序。，15（2009），第333-338页，doi:10.1016/j.parkreldis.2008.08.006。
[16] 马尔可夫，A.A.，《概率论极限定理对链状变量之和的推广》，Dyn。普罗巴伯。系统。，1（1971年），第552-577页。
[17] Nantel，J.，de Solages，C.，和Bronte-Stewart，H.，《重复性就地踏步识别和测量帕金森病患者的冻结发作》，《步态》，34（2011），第329-333页，doi:10.1016/J.gaitpost.2011.05.020。
[18] Parakkal Unni，M.、Menon，P.P.、Livi，L.、Wilson，M.R.、Young，W.R.、Bronte-Stewart，H.M.和Tsaneva-Atanasova，K.，《步进数据中步态事件冻结的数据驱动预测》，Front。医学技术。，2（2020），581264，doi:10.3389/fmedt.2020.581264。
[19] Pardoel，S.、Kofman，J.、Nantel，J.和Lemaire，E.D.，《基于可穿戴传感器的帕金森病步态冻结检测和预测：综述》，《传感器》，19（2019），5141，doi:10.3390/s19235141。
[20] Pardoel，S.、Shalin，G.、Lemaire，E.D.、Kofman，J.和Nantel，J.，对步态连续冻结的分组对帕金森病的冻结检测和预测有中性到有害的影响，Plos One，16（2021），e0258544，doi:10.1371/journal.pone.0258544。
[21] Plotnik，M.、Giladi，N.和Hausdorff，J.M.，帕金森病患者行走和步态冻结的双边协调，欧洲神经科学杂志。，27（2008），第1999-2006页，doi:10.1111/j.1460-9568.2008.06167.x。
[22] Plotnik，M.、Giladi，N.和Hausdorff，J.M.，帕金森病患者步态冻结是多种步态损伤的结果吗？治疗的意义，帕金森病。，2012（2012），459321，doi:10.1155/2012/459321。
[23] Sarbaz，Y.和Pourakbari，H.，《帕金森病数学模型综述：黑盒和灰盒模型》，《医学生物学》。工程计算。，54（2016），第855-868页，doi:10.1007/s11517-015-1401-9。
[24] Shalin，G.、Pardoel，S.、Lemaire，E.D.、Nantel，J.和Kofman，J.，使用长短期记忆神经网络从足底压力数据预测和检测帕金森病患者步态冻结，J.Neuroeng。Rehabil.，18（2021），167，doi:10.1186/s12984-021-00958-5。
[25] Vandenbossche，J.、Deroost，N.、Soetens，E.、Coomans，D.、Spildooren，J.，Vercruyse，S.、Nieuwboer，A.和Kerckhofs，E.，《帕金森病步态冻结：自动性和控制障碍》，前。人类神经科学。，6（2013），356，doi:10.3389/fnhum.2012.00356。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。