2021년 3월 11일
이 연구는 전통적인 연필 종이 필기 분석에 의해 드러난 것보다 더 많은 정보를 찾기 위해 경증 인지 장애를 가진 개인의 문자의 디지털 필기 분석을 제안했습니다.
필기 분석은 감지하는 데 사용되었습니다, 인지 및 모터 기능 장애. 필기 어려움의 일부 측면은 MCI에 대한 지표가 될 수 있습니다, 나는이 연구의 주요 장점은 단순화 중국어 문자 사용자를위한 디지털 필기 분석 시스템을 사용하는 것입니다 기쁘게 생각합니다. 이 방법은 또한 불경기, 정신 분열증, 또는 단순화된 중국 사용자를 가진 그밖 정신 장애를 가진 환자에 있는 정신 운동 지체의 검출에 적용될 수 있습니다.
시작 및 분석 전에 는 410 x 265 x 17.5 밀리미터 USB 디지타이저 3, 840 x 2, 160 도트 공간 해상도, 0.9 x 0.9 밀리미터 픽셀 크기, 30 밀리 초 측두 해상도 및 8, 192 압력 레벨 및 필기 운동을위한 핸드헬드 스타일리스트 펜을 선택하십시오. 노트북 PC를 디지털화에 연결하여 필기 흔적을 수집하고 전시합니다. 소프트웨어 프로그램을 적절한 데이터 기록, 처리 및 분석하는 데 설치합니다.
기억 불만, 객관적으로 손상된 기억 기능, 일상 생활의 손상되지 않은 활동 및 치매부재로 참석한 경도인지 장애 참가자를 모집하십시오. 필기 작업을 수행하려면 스타일러스를 사용하여 디지타이저의 쓰기 영역에서 샘플 중국어 문자를 만듭니다. 참가자에게 디지타이저와 스타일러스를 주고 참가자에게 스타일러스를 사용하여 디지털화기를 편안하게 유지하면서 지배적인 손으로 중국어로 자신의 이름을 쓰도록 지시합니다.
다음으로, 참가자에게 지배적인 손을 사용하여 중국어 문자의 인쇄된 버전을 작성하도록 지시합니다. 지식이 부족한 경우, 시험을 중지하고 참가자에게 문자를 올바르게 작성하는 방법을 보여 준다. 그런 다음 참가자에게 지배적 인 손을 사용하여 중국어로 자신의 이름에 세 번 서명하도록 지시합니다.
필기 작업 데이터를 분석하려면 소프트웨어 분석 프로그램에서 실험을 마우스 오른쪽 단추로 클릭하여 속성, 처리 및 세분화를 선택합니다. 세분화 플래그에서 "어떤 속도로 첫 번째 세분화 추가"를 클릭하고 펜 리프트에 있는 경우 가장 가까운 펜아래로 세분화 지점을 이동 "분할 방법 "펜 다운 궤적에서 클릭"과 이전에 선택한 세분화 플래그 매개 변수를 재설정합니다. Xiang에서 매개 변수 계산 "참가자를 선택하고 필기 시험을 클릭"추적 시스템을 사용하여 Xiang의 필기 과정과 스트로크 순서를 추적"단계별로, Xiang의 스트로크 번호 3의 세분화를 찾습니다"평균 절대 속도는 추출 된 데이터 내에서 자동으로 계산됩니다.
장의 스트로크 번호 4의 세분화를 찾습니다"소프트웨어는 자동으로 강한 번호 4에 대한 평균 절대 속도를 계산합니다. 각 세분화 및 평균 펜 압력의 펜 압력도 소프트웨어에 의해 계산됩니다. 다음으로, Xiang의 참가자를 선택하고 필기 시험을 클릭하고 추적 시스템을 사용하여 참가자 서명 단계별 필기 프로세스 및 스트로크 순서를 추적합니다.
문자 간의 스트로크 분할을 찾습니다. 절대 크기와 도로 길이가 계산됩니다. 그런 다음 수식을 사용하여 문자 간의 세분화에서 공기 길이의 비틀림을 계산하여, 표에 나타난 바와 같이, 한자 시안의 글 과목, 경증 인지 장애를 가진 노인 과목은 건강한 노인 과목에 비해 숫자 3의 낮은 평균 절대 속도, 숫자 4 스트로크 및 더 높은 평균 펜 압력을 나타냈다.
또한, 중국어 이름의 서명 하는 동안, 가벼운 인지 장애를 가진 노인 과목 건강 한 노인 과목에 비해 문자 간의 세분화에 높은 공기 길이 불법 성을 나타냈다. 가장 중요한 단계는 Xiang을 예로 사용하여 문자 가독성을 확인하는 것입니다. 세 번째 스트로크는 다른 수평 스트로크보다 짧아야 합니다.
외국인 00:05:35
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
본 연구에서는 전통적인 연필-종이 필기 분석보다 더 많은 정보를 얻기 위해 경도 인지 장애 환자의 글자 디지털 필기 분석을 제안하였습니다. 이 방법은 다양한 정신과적 질환 환자의 정신운동 지체를 탐지하는 데에도 적용될 수 있습니다.
디지털 필기 분석은 신경퇴행성 및 정신과적 질환에서 초기 운동-인지 기능 장애를 탐지하기 위한 비침습적이고 정량화 가능한 접근 방식을 제공합니다. 간체 한자 쓰기 과정 중 세밀한 운동학적 지표와 압력 지표를 캡처함으로써, 이 방법은 중추신경계(CNS) 질환의 전임상 스크리닝에서 표적 검증을 지원합니다. 우울증, 조현병 및 경도인지장애(MCI)에 대한 적용 가능성을 통해 기전적 리스크 감소와 바이오마커 발굴 파이프라인의 예측 신뢰도를 높일 수 있습니다.
이 방법은 정량화 가능한 운동 출력물을 생성함으로써 CNS 약물 개발의 표적 결합 및 경로 조절 연구에 유용한 정보를 제공하며, 이를 통해 초기 발견 워크플로우에 적용 가능합니다.