NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Son zamanlarda, insan postural sistemini daha iyi anlamayı amaçlayan postural istikrara olan ilgi artmaktadır. Bu sistem sessiz ayakta ve hareket sırasında insan dengesini kontrol eder. Parkinson hastalığı (PD), insan stabilitesini etkileyen ve düşme ve yaralanmalara neden olan en yaygın dejeneratif hareket bozukluğudur. Bu makale, ampirik mod ayrışması (EMD) yöntemiyle sağlıklı bireyler ile PD'li olanlar arasında ayrım yapmak için yeni bir metodoloji önermektedir. EMD, karmaşık bir sinyalin içsel mod fonksiyonları (IMFs) adı verilen birkaç temel sinyale kırılmasını sağlar. Üç zamansal parametre ve üç spektral parametre, her bir stabilometrik sinyalden ve IMF'lerinden çıkarılır. Daha sonra, en iyi beş özellik, özellik seçimi yöntemi kullanılarak seçilir. Sınıflandırma görevi, bilinen dört makine öğrenme yöntemi, KNN, karar ağacı, Rastgele Orman ve SVM sınıflandırıcıları, 10 kattan fazla çapraz doğrulama kullanılarak gerçekleştirilir. Kullanılan veri seti 28 sağlıklı denekten (14 genç yetişkin ve 14 yaşlı yetişkin) ve 32 PD hastadan (12 genç yetişkin ve 20 yaşlı yetişkin) oluşmaktadır. SVM yöntemi %92'lik bir performansa ve Dempster-Sahfer formalizm yöntemi %96,51'lik bir doğruluk oranına sahiptir.
Özgün kaynak özetini okuyun
There has recently been increasing interest in postural stability aimed at gaining a better understanding of the human postural system. This system controls human balance in quiet standing and during locomotion. Parkinson's disease (PD) is the most common degenerative movement disorder that affects human stability and causes falls and injuries. This paper proposes a novel methodology to differentiate between healthy individuals and those with PD through the empirical mode decomposition (EMD) method. EMD enables the breaking down of a complex signal into several elementary signals called intrinsic mode functions (IMFs). Three temporal parameters and three spectral parameters are extracted from each stabilometric signal as well as from its IMFs. Next, the best five features are selected using the feature selection method. The classification task is carried out using four known machine-learning methods, KNN, decision tree, Random Forest and SVM classifiers, over 10-fold cross validation. The used dataset consists of 28 healthy subjects (14 young adults and 14 old adults) and 32 PD patients (12 young adults and 20 old adults). The SVM method has a performance of 92% and the Dempster-Sahfer formalism method has an accuracy of 96.51%.
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.