Parkinson's disease resting tremor severity classification using machine learning with resampling techniques.

Araştırma özeti

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

Dinlenme titremesinde, vücut kısmı tamamen dinlendirilir ve genellikle eylemle tamamen kararır veya azalır. Dinlenme titremelerinin en sık nedeni idiyopatik Parkinson hastalığı (PD) olarak bilinir. Muayene için, PD'li hastaların nörologları parmak burun testleri, koridorda ileri geri yürüme ve çekme testi gibi testleri içerir. Bu değerlendirme, sınırlı bir zaman dilimi için bazı günlük yaşam motor aktivitelerine dayanarak öznel olan Unified Parkinson hastalığı derecelendirme ölçeğine (UPDRS) odaklanmıştır. Bu çalışmada, PD'li hastaların dengesiz bir veri seti üzerinde ciddiyet analizi yapılır. Dengesiz sınıf dağılımı içeren çeşitli verilerin sınıflandırılmasının, çeşitli standart sınıflandırma öğrenme algoritmaları tarafından elde edilebilir performansın dikkate değer bir dezavantajına dayanmasının nedeni budur. Bu çalışmada, alt örnekleme, aşırı örnekleme ve hibrit kombinasyon dahil olmak üzere yeniden örnekleme teknikleri kullandık. Yeniden örnekleme teknikleri, XGBoost, karar ağacı ve K-en yakın komşular gibi tanınmış sınıflandırıcılarla birleştirilmiştir. Sonuçlardan, Aşırı örnekleme yönteminin, az örnekleme ve hibrit örnekleme tekniklerinden çok daha iyi performans gösterdiği sonucuna varılmıştır. Aşırı örnekleme teknikleri arasında rastgele örnekleme, XGBoost sınıflandırıcısı kullanılarak %99 doğruluk ve karar ağacı kullanılarak %98 doğruluk elde etmiştir. Bunun yanı sıra, farklı yeniden örnekleme yöntemlerinin çeşitli sınıflandırıcılar ile farklı şekilde uygulandığı gözlemlenmektedir.

Özgün kaynak özetini okuyun

In resting tremor, the body part is in complete repose and often dampens or subsides entirely with action. The most frequent cause of resting tremors is known as idiopathic Parkinson's disease (PD). For examination, neurologists of patients with PD include tests such as finger-to-nose tests, walking back and forth in the corridor, and the pull test. This evaluation is focused on Unified Parkinson's disease rating scale (UPDRS), which is subjective as well as based on some daily life motor activities for a limited time frame. In this study, severity analysis is performed on an imbalanced dataset of patients with PD. This is the reason why the classification of various data containing imbalanced class distribution has endured a notable drawback of the performance achievable by various standard classification learning algorithms. In this work, we used resampling techniques including under-sampling, over-sampling, and a hybrid combination. Resampling techniques are incorporated with renowned classifiers, such as XGBoost, decision tree, and K-nearest neighbors. From the results, it is concluded that the Over-sampling method performed much better than under-sampling and hybrid sampling techniques. Among the over-sampling techniques, random sampling has obtained 99% accuracy using XGBoost classifier and 98% accuracy using the decision tree. Besides, it is observed that different resampling methods performed differently with various classifiers.

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.