コンテキスト このデータは、様々なタスク（例：コミュニケーション、コップから飲む動作、足の敏捷性）を行っているパーキンソン病患者の2D人体姿勢推定結果を含んでいます。姿勢推定は、畳み込み姿勢マシン（CPM、https://arxiv.org/abs/1602.00134）を使用して行われました。 このプロジェクトの目標は、パーキンソン病評価のビデオから導き出された特徴量を用いて、臨床評価尺度に基づいてパーキンソニズムとジスキネジアの重症度を予測することでした。 内容 データは、パーキンソン病評価尺度における最小臨床的重要差を測定する研究の一環として収集されました。参加者は、2時間にわたってレボドパの注入を受け、その後最大2時間の観察期間がありました。この間、定期的に評価が行われ、評価の様子はビデオ録画され、神経内科医による事後評価のために保存されました。各タスクにつき120 - 130本のビデオがありました。 データには、CPMを用いてパーキンソン病評価のビデオから1フレームごとに抽出されたすべての動き軌跡と、CPMによって生成された信頼度の値が含まれています。パーキンソニズムとジスキネジアの重症度に関する正解評価は、UDysRS、UPDRS、およびCAPSIT評価尺度を用いて含まれています。 軌跡からはカメラの揺れが除去されています（詳細は論文を参照）。その他の前処理は行われていません。ファイルはJSON形式で保存されています。ファイルの扱いに関する情報は、data_import_demo.ipynbを参照するか、https://github.com/limi44/Parkinson-s-Pose-Estimation-Dataset でオンラインで閲覧できます。 謝辞 この研究において、トロントウエスタン病院のスタッフと患者の皆様に時間と協力をいただき、感謝の意を表します。 引用 あなたがこのデータセットをあなたの研究で使用する場合は、以下の参考文献を引用してください。 **M.H. Li, T.A. Mestre, S.H. Fox, and B. Taati, Vision-based assessment of parkinsonism and levodopa-induced dyskinesia with pose estimation, Journal of NeuroEngineering and Rehabilitation, vol. 15, no. 1, p. 97, Nov. 2018. doi:10.1186/s12984-018-0446-z.** また、以下の論文も有用です。この論文では、ジスキネジアの重症度における臨床的に関連する変化に対する特徴量の反応性を評価しました。 **M.H. Li, T.A. Mestre, S.H. Fox, B. Taati, Automated assessment of levodopa-induced dyskinesia: Evaluating the responsiveness of video-based features, Parkinsonism & Related Disorders. (2018). doi:10.1016/j.parkreldis.2018.04.036.** インスピレーション 私たちの研究では、既存の人体姿勢推定技術とディープラーニングがパーキンソン病の臨床応用に適しているかを評価することを目指しました。他の方々がこのデータセットを神経疾患の技術ベースのモニタリングにおける進歩のために役立てることができれば幸いです。 ライセンス この作品は、クリエイティブ・コモンズ 表示 4.0 国際ライセンスの下でライセンスされています。このライセンスのコピーを見るには、http://creativecommons.org/licenses/by/4.0/ を訪問してください。 ## バナー 写真はUnsplashのjesse orricoによるものです。