Tunable Q wavelet transform based emotion classification in Parkinson's disease using Electroencephalography.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Parkinson hastalığı (PD), ciddi bir tedavi edilemeyen nörolojik bozukluktur. Çoğunlukla yorgunluk, demans, anksiyete, konuşma ve iletişim sorunları, depresyon ve benzeri gibi motor olmayan semptomlarla karakterizedir. Elektroensefalografi (EEG), bir kişinin gerçek duygusal durumunun tespitinde önemli bir rol oynar. PD'deki duygusal bozukluğun tespiti için filtreleme, Fourier dönüşümleri, dalgacık dönüşümleri ve doğrusal olmayan yöntemler kullanılarak çeşitli çalışmalar önerilmiştir. Bununla birlikte, bu yöntemler temel bir seçim gerektirir ve doğruluk açısından sınırlandırılır. Bu makalede, PD ve normal kontrollerdeki (NC) duyguların sınıflandırılması için ton balığı Q dalgacık dönüşümü (TQWT) önerilmiştir. Mutluluk, üzüntü, korku, öfke, sürpriz ve iğrenme olmak üzere altı duygusal durumun EEG sinyalleri incelenir. Güç, entropi ve istatistiksel momentlere dayalı özellikler TQWT'nin yüksek geçiş ve düşük geçiş alt bantlarından çıkarılmaktadır. İstatistiksel analiz tarafından seçilen altı özellik, k-en yakın komşu, olasılıksal sinir ağı, rastgele orman, karar ağacı ve aşırı öğrenme makinesi ile sınıflandırılır. Üç performans önlemi elde edilir, maksimum ortalama doğruluk, hassasiyet ve özgüllük %96.16, %97.59 ve NC için %88.51 ve %93.88, %96.33 ve PD için %81.67 olasılıksal bir sinir ağı ile elde edilir. Önerilen yöntem, PD'deki duyguları sınıflandıracak kadar etkili olduğunu kanıtladı ve hastanelerdeki duygusal bozukluğun teşhisi için potansiyel bir araç olarak kullanılabilir.

Özgün kaynak özetini okuyun

Parkinson's disease (PD) is a severe incurable neurological disorder. It is mostly characterized by non-motor symptoms like fatigue, dementia, anxiety, speech and communication problems, depression, and so on. Electroencephalography (EEG) play a key role in the detection of the true emotional state of a person. Various studies have been proposed for the detection of emotional impairment in PD using filtering, Fourier transforms, wavelet transforms, and non-linear methods. However, these methods require a selection of basis and are confined in terms of accuracy. In this paper, tunable Q wavelet transform (TQWT) is proposed for the classification of emotions in PD and normal controls (NC). EEG signals of six emotional states namely happiness, sadness, fear, anger, surprise, and disgust are studied. Power, entropy, and statistical moments based features are elicited from the highpass and lowpass sub-bands of TQWT. Six features selected by statistical analysis are classified with a k-nearest neighbor, probabilistic neural network, random forest, decision tree, and extreme learning machine. Three performance measures are obtained, maximum mean accuracy, sensitivity, and specificity of 96.16%, 97.59%, and 88.51% for NC and 93.88%, 96.33%, and 81.67% for PD are achieved with a probabilistic neural network. The proposed method proved to be very effective such that it classifies emotions in PD and could be used as a potential tool for diagnosing emotional impairment in hospitals.

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.