使用機器學習方法及影像擷取系統，分辨巴金森氏症的行走步態

在機器學習發展的領域當中，神經科學的研究，是發展的重點。使用機器學習的技術，能以客觀的方式，辨別神經性退化性疾病的動作狀態。巴金森氏症是一個神經性的退化性疾病，步態方面的症狀，是一個常見的動作方面的徵狀。臨床上，在評估與診斷巴金森氏症患者的症狀時，需透過醫學影像的輔助(例如：MRI、CT等)，或是透過觀察巴金森氏症患者動作的症狀，才能夠發現該病患是否為巴金森氏症患者。以現在臨床上評估巴金森氏症的方式，需要經過較為繁瑣的步驟。

在遠距醫療方面，有些人因為居住的地方，距離醫院比較遙遠，比較不方便。還有一些人，因為工作較為忙碌，不方便請假來醫院，做更進一步的醫療評估和檢查。如果能夠透過使用裝有判斷巴金森氏症行走步態技術的智慧型手機，拍攝人類的行走步態，就能以快速篩檢的方式，來判斷該名病患，是否有罹患巴金森氏症的可能性。

在本研究的設計，採用的研究方法為準實驗研究設計 (Quasi-experimental Research Design) 方法裡的病例對照研究 (Case‐control study)。本研究的實際總收案人數為135人。總收案人數當中，42人為實驗組，93人為控制組。實驗組為巴金森氏症患者，控制組為一般健康人。

首先，使用本研究所拍攝受試者行走的影片，從影片當中，使用Mediapipe擷取受試者在一個空間行走的時候，身體各個不同部位在空間中的座標位置。接著，將這些的座標位置，轉換成csv檔案。從csv檔案當中，可以看到受試者在一段時間中，在空間中的座標位置。接著，擷取csv檔案中第3至12秒的資料，轉換成熱力圖。

使用不同預訓練的機器學習模型，將控制組與實驗組的熱力圖，去做進一步的影像判斷。本研究所使用的預訓練機器學習模型，為Xception 以及Inception v3。從這兩個預訓練的機器學習模型的訓練結果來看，發現無
論是使用Xception或Inception v3的預訓練模型，判斷身體重心或四肢部位的準確率(Accuracy)均為100%。而在頭部運動的判斷方面，無論是使用Xception，還是Inception v3的預訓練模型，準確率均為97.56%。