Algorithm for detection of head tremor according to data of a smartphone video camera of a biomedical monitoring system

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Modern conditions demand active digitization from humanity across various spheres of activity and daily life, facilitating faster task completion and simplifying processes. Self-diagnosis allows individuals to identify symptoms, which can serve as a basis for consulting medical professionals, especially crucial in critical situations where lives are at stake. Thus, it is clear that the development of such systems is a relevant challenge. In this context, head tremor plays a significant role as it may indicate the presence of Parkinson’s disease or multiple sclerosis. The aim of this work is to develop a head tremor detection module suitable for integration into smartphone applications. The study employs a method based on analyzing data from the optical sensor, namely the front camera of the smartphone. This method utilizes an open machine learning model, ML Kit, for facial recognition, along with a specially designed algorithm for processing results. Testing demonstrated an accuracy of 0.92 according to the accuracy metric. This approach offers a novel method for detecting head tremors and highlights the effectiveness of using ML Kit’s standard model for similar tasks on smartphones, which can also be applied within a larger biomedical diagnostic system.

About the authors

Anton A. Egorchev

Kazan (Volga Region) Federal University

Author for correspondence.
Email: anton@egorchev.ru

Cand. Sci. (Eng.); Director, Institute of Computational Mathematics and IT

Russian Federation, Kazan, Republic of Tatarstan

Dmitry E. Chikrin

Kazan (Volga Region) Federal University

Email: dmitry.kfu@ya.ru
ORCID iD: 0000-0003-1358-8184

Dr. Sci. (Eng.); Director, Institute of Artificial Intelligence, Robotics and System Engineering

Russian Federation, Kazan, Republic of Tatarstan

Dmitry M. Pashin

Kazan (Volga Region) Federal University

Email: dmitry.m.pashin@gmail.com

Dr. Sci. (Eng.); Vice-Rector for Digital Transformation and Innovation

Russian Federation, Kazan, Republic of Tatarstan

Adel F. Fakhrutdinov

Kazan (Volga Region) Federal University

Email: timvaz@yandex.ru
ORCID iD: 0009-0002-7520-9223

graduate student, Institute of Physics

Russian Federation, Kazan, Republic of Tatarstan

References

  1. Fedorovich A.A., Gorshkov A.Y., Korolev A.I., Drapkina O.M. Smartphone in medicine – from a reference book to a diagnostic system. Review of the current state of the issue. Cardiovascular Therapy and Prevention. 2022. No. 9. Pp. 66–74. (In Rus.)
  2. Vu J.P., Cisneros E., Lee H.Y. et al. Head tremor in cervical dystonia: Quantifying severity with computer vision. Journal of the Neurological Sciences. 2022. No. 434. Pp. 120–154. doi: 10.1016/j.jns.2022.120154.
  3. Elble R., Hellriegel H., Raethjen J., Deuschl G. Assessment of head tremor with accelerometers versus gyroscopic transducers. Movement Disorders Clinical Practice. 2016. No. 4. Pp. 205–211.
  4. Liu W., Lin X., Chen X., Wang Q. Vision-based estimation of MDS-UPDRS scores for quantifying Parkinson’s disease tremor severity. Medical Image Analysis. 2023. No. 85. Pp. 637–647.
  5. Elble R., Ondo W. Tremor rating scales and laboratory tools for assessing tremor. Tremor and Other Hyperkinetic Movements. 2022. No. 435. Pp. 1–10.
  6. Elble R., McNames J. Using portable transducers to measure tremor severity. Tremor and Other Hyperkinetic Movements. 2016. No. 6. Pp. 1–12.
  7. Frolov S.V., Gorbunov A.V., Potlov A.Y. Recording and analyzing tremors using a webcam-based motion detector. Biomedicine. 2012. No. 2. Pp. 80–83. (In Rus.)
  8. Govorova T.G., Tappahov A.A., Popova T.E., Antipina U.D. Tremor: Classification, clinical characteristics. Consilium Medicum. 2018. No. 9. Pp. 95–100. (In Rus.)

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1. Structure diagram of the head tremor detection system

Download (87KB)
3. Fig. 2. GUI for launching the measurement procedure window

Download (139KB)
4. Fig. 3. Visual indication in the GUI of the video data analysis process

Download (54KB)
5. Fig. 4. Facial contour analysis algorithm presented as a block diagram

Download (224KB)


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».