NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan ve objektifParkinson hastalığı (PD), motor ve motor olmayan semptomları gösteren ilerici bir nörolojik durumdur. Hastalığın seyrinin erken dönemlerinde PD hastaları sıklıkla vokal güçlüğü yaşarlar. Başlangıçta, giriş görüntülerinin kalitesini artırmak için çok odaklı görüntü füzyonu ile ön işleme prosedürleri kullanılmıştır. Hastaların sağlıklı ve üretken bir yaşam sürmelerini sağlamak için PD'yi erken teşhis etmek ve tedavi etmek önemlidir.MetodTremors, kaslardaki sertlik, yavaş hareket, zorluk dengesi ve diğer psikolojik belirtiler hastalığın belirtilerinden bazılarıdır. PD tanımlama ve değerlendirmeyi destekleyen kritik mekanizmalardan biri el yazısı kayıtlarının dinamikleridir. Bu hastalığın erken tespiti için çeşitli makine öğrenme teknikleri araştırılmıştır. Yine de bu manuel özellik çıkarma yöntemlerinin çoğuyla ilgili ana sorun, kötü performansları ve doğruluklarıdır.SonuçlarBöyle bir kronik durumu keşfederken bu kabul edilemez. Bu amaçla, Parkinson hastalığının erken teşhisine yardımcı olmak için güçlü bir derin öğrenme modeli önerilmektedir. Bu nedenle, MobileNetV3 tabanlı sınıflandırmayı önerdik. Sınıflandırma performanslarını daha da artırmak için, MobileNetV3 tabanlı yaklaşım Geliştirilmiş Cüce Mongoose Optimizasyon algoritması (IDMO) tarafından optimize edildi.ConclusionThe Pyramid kanal tabanlı özellik dikkat ağı (PCFAN) kritik özellikleri seçer. Yaklaşımların verimliliği PPMI ve NTUA veri kümeleri kullanılarak test edilir. Önerilen yaklaşımımız, önceki yöntemlere kıyasla %99.34 doğruluk, %98.53 hassasiyet, %97.78 özgüllük ve %99.12 F-skoru elde etmektedir.
Özgün kaynak özetini okuyun
Background and objectiveParkinson's disease (PD) is a progressive neurological condition that manifests motor and non-motor symptoms. Early in the course of the disease, PD patients frequently experience vocal difficulties. In the beginning, preprocessing procedures were used with multi-focus image fusion to enhance the quality of input images. It is essential to diagnose and treat PD early to ensure that patients live healthy and productive lives.MethodsTremors, rigidity in the muscles, slow movement, difficulty balance, and other psychological symptoms are some of the disease's symptoms. One of the critical mechanisms supporting PD identification and assessment is the dynamics of handwritten records. Several machine-learning techniques have been researched for the early detection of this disease. Yet the main problem with most of these manual feature extraction methods is their poor performance and accuracy.ResultsThis cannot be acceptable when discovering such a chronic condition. For this purpose, a powerful deep learning model is suggested to help with the early diagnosis of Parkinson's disease. Therefore, we proposed MobileNetV3-based classification. To enhance the classification performances even more, the MobileNetV3-based approach was optimized by the Improved Dwarf Mongoose Optimization algorithm (IDMO).ConclusionThe Pyramid channel-based feature attention network (PCFAN) chooses the critical features. The efficiency of the approaches is tested using the PPMI and NTUA datasets. Our proposed approach obtains 99.34% accuracy, 98.53% sensitivity, 97.78% specificity, and 99.12% F-score compared to previous methods.
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.