NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Amaç: Açıklanan araştırma, eklem dinamiklerinin, mutlak bir eklem hızının olasılık dağılımı olarak kodlanan çene-dil biyomekanik sisteminin kinematik davranışının bir korelasyonu olarak tanımlanmasını amaçlamaktadır. Bu dağılım, Parkinson Hastalığı olarak nörodejeneratif hastalıklardan etkilenen hastalardan gelen konuşmaların tespitinde ve derecelendirilmesinde kullanılabilir. Hipotez: Çalışma hipotezi, mutlak eklem hızının olasılık yoğunluğu fonksiyonunun, sürekli sesli harflere uygulandığında fonasyonun kararlılığı ve bağlı konuşmaya uygulandığında akıcılık hakkında bilgi içermesidir. Yöntemler: Parkinson Hastalığı hastalarından kaydedilen sürekli sesli harflerin bir veri kümesi normatif deneklerden benzer kayıtlarla tezattır. Çene-dil sisteminin mutlak kinematik hızının olasılık dağılımı her bir söylemden çıkarılır. Rastgele En Az Kareler Yem-İleri Ağ (RLSFN), patolojik ve normatif veri kümeleri üzerinde çalışan bir ikili sınıflandırıcı olarak left-one-out stratejisinde kullanılmıştır. Monte Carlo simülasyonları, sınıflandırıcının stokastik doğasının etkisini tahmin etmek için yapılmıştır. Her cinsiyet için 26 normatif ve 53 patolojik denek dahil olmak üzere iki veri seti test edildi ve kadın kümesinde 25 normatif ve 38 patolojik. Bulgular: Erkek ve kadın veri alt kümeleri tek koşularda test edildi ve %0.6'nın altında eşit hata oranları elde edildi (% 99.4'ün üzerinde doğruluk). Her deneyin stokastik doğası nedeniyle, metodolojinin güvenilirliğini test etmek için Monte Carlo koşuları yapıldı. 200 hiperplane gizli katman RLSFN 200 Montecarlo çalışır sonra ortalama algılama sonuçları Duyarlılık (erkekler: 0.9946, dişiler: 0.9942), Özgüllük (erkekler: 0.9944, dişiler: 0.9941) ve Doğruluk (erkekler: 0.9945, dişiler: 0.9942) açısından verilir. ROC eğrisinin altındaki alan 0.9947 (erkekler) ve 0.9945 (dişiler). Eşit hata oranı 0.0054 (erkekler) ve 0.0057 (dişiler)'dir. Sonuç: Önerilen metodoloji, son derece normalleştirilmiş tanımlayıcıların, bilgi teorisi açısından bazı ilginç özelliklere sahip olan sesli artikülasyon stabilitesinin kinematik değişkenlerinin olasılık dağılımı olarak kullanılmasının Parkinson Hastalığı'nda oldukça kabul edilebilir tespit sonuçları üretmedeki basit ama güçlü sınıflandırıcıların potansiyelini artırdığını göstermektedir.
Özgün kaynak özetini okuyun
Aim: The research described is intended to give a description of articulation dynamics as a correlate of the kinematic behavior of the jaw-tongue biomechanical system, encoded as a probability distribution of an absolute joint velocity. This distribution may be used in detecting and grading speech from patients affected by neurodegenerative illnesses, as Parkinson Disease. Hypothesis: The work hypothesis is that the probability density function of the absolute joint velocity includes information on the stability of phonation when applied to sustained vowels, as well as on fluency if applied to connected speech. Methods: A dataset of sustained vowels recorded from Parkinson Disease patients is contrasted with similar recordings from normative subjects. The probability distribution of the absolute kinematic velocity of the jaw-tongue system is extracted from each utterance. A Random Least Squares Feed-Forward Network (RLSFN) has been used as a binary classifier working on the pathological and normative datasets in a leave-one-out strategy. Monte Carlo simulations have been conducted to estimate the influence of the stochastic nature of the classifier. Two datasets for each gender were tested (males and females) including 26 normative and 53 pathological subjects in the male set, and 25 normative and 38 pathological in the female set. Results: Male and female data subsets were tested in single runs, yielding equal error rates under 0.6% (Accuracy over 99.4%). Due to the stochastic nature of each experiment, Monte Carlo runs were conducted to test the reliability of the methodology. The average detection results after 200 Montecarlo runs of a 200 hyperplane hidden layer RLSFN are given in terms of Sensitivity (males: 0.9946, females: 0.9942), Specificity (males: 0.9944, females: 0.9941) and Accuracy (males: 0.9945, females: 0.9942). The area under the ROC curve is 0.9947 (males) and 0.9945 (females). The equal error rate is 0.0054 (males) and 0.0057 (females). Conclusions: The proposed methodology avails that the use of highly normalized descriptors as the probability distribution of kinematic variables of vowel articulation stability, which has some interesting properties in terms of information theory, boosts the potential of simple yet powerful classifiers in producing quite acceptable detection results in Parkinson Disease.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.