NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PSD), nigrostriyal bütünlük fonksiyonlarının motor ve motor bazlı olmayan semptomlara yol açtığı beynin nörolojik bir bozukluğudur. Doktorlar hastayı hastanın geçmişine ve semptomlarına göre değerlendirebilir; Bununla birlikte, semptomlar, progresif supranükleer palsi (PSP), çoklu sistem atrofi-parkinson tipi (MSA), esansiyel titreme ve Parkinson titremesi gibi çeşitli nörodejeneratif hastalıklarda benzerdir. Bu nedenle, bazen bir hastanın hastalığını semptomlarına bağlı olarak tanımlamak zordur. Konuyu ele almak için, deneklerin beyinlerindeki dopamin eksikliğini analiz etmek için nörogörüntüleyici biyobelirteçler kullandık. Beynin içindeki dopamin seviyelerinin farklı kalıplarını ürettik, bu da hastalığın ciddiyetini belirledi ve hastaların hastalık ilerlemesini ölçmemize yardımcı oldu. Deneklerin sınıflandırılması için, nörogörüntüleyici biyobelirteçler verilerini kullanarak deneklerin çok değişkenli sınıflandırılması için makine öğrenimi (ML) algoritmalarını kullandık. Bu makalede, HC ve PSD konularını tanımlamak için istiflenmiş bir makine öğrenimi (ML) tabanlı sınıflandırma modeli önermekteyiz. Bu yığılmış modelde, meta öğrenenler, yüksek performanslı bir model elde etmek için K-en yakın komşu (KNN), rastgele orman algoritması (RFA) ve Gaussian naif Bayes (GANB) gibi çeşitli ML algoritmalarından tahminleri öğrenebilir ve birleştirebilirler. Önerilen model, geleneksel şemalardan daha iyi performans göstererek% 92,5 doğruluk gösterdi.
Özgün kaynak özetini okuyun
Parkinson's disease (PSD) is a neurological disorder of the brain where nigrostriatal integrity functions lead to motor and non-motor-based symptoms. Doctors can assess the patient based on the patient's history and symptoms; however, the symptoms are similar in various neurodegenerative diseases, such as progressive supranuclear palsy (PSP), multiple system atrophy-parkinsonian type (MSA), essential tremor, and Parkinson's tremor. Thus, sometimes it is difficult to identify a patient's disease based on his or her symptoms. To address the issue, we have used neuroimaging biomarkers to analyze dopamine deficiency in the brains of subjects. We generated the different patterns of dopamine levels inside the brain, which identified the severity of the disease and helped us to measure the disease progression of the patients. For the classification of the subjects, we used machine learning (ML) algorithms for a multivariate classification of the subjects using neuroimaging biomarkers data. In this paper, we propose a stacked machine learning (ML)-based classification model to identify the HC and PSD subjects. In this stacked model, meta learners can learn and combine the predictions from various ML algorithms, such as K-nearest neighbor (KNN), random forest algorithm (RFA), and Gaussian naive Bayes (GANB) to achieve a high performance model. The proposed model showed 92.5% accuracy, outperforming traditional schemes.
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.