NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), semptomları geç evrelerde tanımlanabilen yavaş ilerleyen bir nörodejeneratif bozukluktur. PD'nin erken teşhisi ve tedavisi semptomların giderilmesine ve ilerlemenin geciktirilmesine yardımcı olabilir. Bununla birlikte, PD ve diğer hastalıkların semptomları arasındaki benzerlikler nedeniyle bu çok zordur. Mevcut çalışma, elle yazılmış görüntüler ve (veya) konuşma sinyalleri kullanarak PD tanısı için genel bir çerçeve önermektedir. El yazısı görüntüleri için, Aquila Optimizer tarafından ayarlanan transfer öğrenme yoluyla 8 önceden eğitilmiş konvolüsyonel sinir ağı (CNN) NewHandPD veri setinde PD teşhisi için eğitildi. Konuşma sinyalleri için MDVR-KCL veri kümesindeki özellikler, 16 özellik çıkarma algoritması kullanılarak sayısal olarak çıkarılır ve Grid Search algoritması tarafından ayarlanan 4 farklı makine öğrenme algoritmasına ve grafiksel olarak 5 farklı teknik kullanılarak ve 8 önceden eğitilmiş CNN yapısına beslenir. Yazarlar, ses veri setindeki özellikleri, değişken konuşma-sinyal-segment-durumlarının, yani segmentasyon aşamasında farklı sürelerin kullanılmasının segmentasyonuna dayalı olarak çıkarmada yeni bir teknik önermektedir. Önerilen teknik kullanılarak 281 sayısal özelliğe sahip 5 veri kümesi oluşturulur. Farklı deneylerden elde edilen sonuçlar toplanır ve kaydedilir. NewHandPD veri kümesi için, en iyi rapor edilen metrik VGG19 yapısını kullanarak% 99,75'tir. MDVR-KCL veri kümesi için, en iyi rapor edilen metrikler KNN ve SVM ML algoritmalarını ve kombine sayısal özellikleri kullanarak% 99,94; ve kombine mel-specgram grafik özellikleri ve VGG19 yapısını kullanarak% 100. Bu sonuçlar diğer son teknoloji araştırmalardan daha iyidir.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is a neurodegenerative disorder with slow progression whose symptoms can be identified at late stages. Early diagnosis and treatment of PD can help to relieve the symptoms and delay progression. However, this is very challenging due to the similarities between the symptoms of PD and other diseases. The current study proposes a generic framework for the diagnosis of PD using handwritten images and (or) speech signals. For the handwriting images, 8 pre-trained convolutional neural networks (CNN) via transfer learning tuned by Aquila Optimizer were trained on the NewHandPD dataset to diagnose PD. For the speech signals, features from the MDVR-KCL dataset are extracted numerically using 16 feature extraction algorithms and fed to 4 different machine learning algorithms tuned by Grid Search algorithm, and graphically using 5 different techniques and fed to the 8 pretrained CNN structures. The authors propose a new technique in extracting the features from the voice dataset based on the segmentation of variable speech-signal-segment-durations, i.e., the use of different durations in the segmentation phase. Using the proposed technique, 5 datasets with 281 numerical features are generated. Results from different experiments are collected and recorded. For the NewHandPD dataset, the best-reported metric is 99.75% using the VGG19 structure. For the MDVR-KCL dataset, the best-reported metrics are 99.94% using the KNN and SVM ML algorithms and the combined numerical features; and 100% using the combined the mel-specgram graphical features and VGG19 structure. These results are better than other state-of-the-art researches.
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.