NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), dünya çapında 10 milyondan fazla insanı etkileyen tedavi edilemez bir nörodejeneratif bozukluktur. Hastalığın erken tespiti ve doğru değerlendirilmesi, uygun ilaçlar için ve semptomların ilerlemesini yavaşlatmak için kritik öneme sahiptir. Bu senaryoda, bu hastalığın erken, verimli ve güvenilir bir teşhisine katkıda bulunan klinik karar destek sistemlerinin geliştirilmesi kritik öneme sahiptir. Bu makalede, kahkahanın akustik özelliklerine dayanarak PD tanısı için klinik karar destek sistemi için bir fizibilite çalışması sunuyoruz. Karar destek sistemimiz, konuşma tanıma yöntemleri ve otomatik sınıflandırma teknikleri ile gülme analizine dayanmaktadır. Farklı cepstral katsayıları, sağlıklı ve hasta deneklerin gülme özelliklerini makine öğrenimi sınıflandırma modelleriyle birlikte belirlemek için değerlendirdik. Karar destek sistemi, sağlıklı ve PD deneklerden gelen 120 kahkaha havuzundan rastgele oluşturulan 20.000 örnekten oluşan bir veritabanında PD-sağlıklı kahkaha sınıflandırması için AUC değeri 0.86 olan %83 doğruluk oranına ulaştı. Kahkaha, PD'nin verimli ve güvenilir bir şekilde tespiti için kullanılabilir; böyle bir algılama sistemi konuşma tanıma ve otomatik sınıflandırma teknikleri kullanılarak elde edilebilir; yukarıdaki teknikler kullanılarak klinik karar destek sistemi inşa edilebilir. Önemi: Hastalığın erken tespiti için PD klinik karar destek sistemleri, etkilenen kişilerin yaşam koşullarını iyileştirecek ve kamu ve özel sağlık sistemlerinde maliyetleri ve çabaları azaltacak mevcut ve yaklaşmakta olan terapötik tedavilerin verimliliğini artırmaya yardımcı olacaktır.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is an incurable neurodegenerative disorder which affects over 10 million people worldwide. Early detection and correct evaluation of the disease is critical for appropriate medication and to slow the advance of the symptoms. In this scenario, it is critical to develop clinical decision support systems contributing to an early, efficient, and reliable diagnosis of this illness. In this paper we present a feasibility study for a clinical decision support system for the diagnosis of PD based on the acoustic characteristics of laughter. Our decision support system is based on laugh analysis with speech recognition methods and automatic classification techniques. We evaluated different cepstral coefficients to identify laugh characteristics of healthy and ill subjects combined with machine learning classification models. The decision support system reached 83% accuracy rate with an AUC value of 0.86 for PD-healthy laughs classification in a database of 20,000 samples randomly generated from a pool of 120 laughs from healthy and PD subjects. Laughter could be employed for the efficient and reliable detection of PD; such a detection system can be achieved using speech recognition and automatic classification techniques; a clinical decision support system can be built using the above techniques. Significance: PD clinical decision support systems for the early detection of the disease will help to improve the efficiency of available and upcoming therapeutic treatments which, in turn, would improve life conditions of the affected people and would decrease costs and efforts in public and private healthcare systems.
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.