NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), hareket kontrolüne zarar veren, motor ve motor olmayan farklı semptomlarla yansıyan sinirsel bir bozukluktur. PD, beyinde dopamin üreten nöronların zayıflamasından kaynaklanır ve bradikinezi (hareketlerde gecikme), sertlik ve titreme gibi semptomları içerir. İnsanlar genellikle hastalık kötüleştiğinde motor becerilerin kaybından muzdariptir, bu da yazma gibi günlük görevlerde büyük bir etkiye sahiptir. Mikrografi, çok küçük, sıkışık el yazısı ile işaretlenmiş bir bozukluktur ve PD'nin semptomlarından biridir. Hastalığın daha geniş motor bozukluklarının bir yansıması olarak, hastalar el yazılarının okunması ve kontrol edilmesinin zorlaştığını gözlemleyebilirler. Parkinson hastalığını el yazısı görüntüleriyle tespit etmek, tıp alanındaki en önemli araştırma alanlarından biridir. Bu araştırma, geliştirilmiş bir hibrit sınıflandırma modeli kullanarak el yazısı görüntüleri ile otomatik bir PD algılama yaklaşımı önermektedir. Öncelikle, el yazısı görüntüsünün ön işlenmesi için değiştirilmiş bir Wiener filtresi kullanılır. Daha sonra modifiye edilmiş PHOG, Derin özellikler ve Şekil özellikleri çıkarılır. Son olarak, algılama, bireyin sağlıklı veya etkilendiğini gösteren hibrit Geliştirilmiş LinkNet ve Ghostnet modelleri kullanılarak gerçekleştirilir (ILN-GNet). Analizden, ILN-GNet tarafından 0.99 daha yüksek bir hassasiyet elde edilirken, mevcut yöntemler düşük hassasiyete ulaştı. Bu nedenle, bu yenilikler erken teşhis ve izlemeyi önemli ölçüde geliştirir ve hastalık ilerlemeden önce zamanında müdahaleleri sağlar. Ayrıca, önerilen yaklaşım, PD teşhisi için ölçeklenebilir ve verimli bir araç sağlayarak uzaktan sağlık çözümlerine katkıda bulunabilir.
Özgün kaynak özetini okuyun
Parkinson's disease (PD), is a neural disorder that damages movement control, which is reflected by different non-motor and motor symptoms. PD is caused by the weakening of neurons that produce dopamine in the brain, and it includes symptoms like bradykinesia (delay in movements), stiffness, and tremors. People frequently suffer from loss of motor skills when the illness worsens, which has a big influence on everyday tasks like writing. Micrographia is a disorder marked by very tiny, cramped handwriting and is one of the symptoms of PD. As a reflection of the disease's wider motor impairments, patients may observe that their handwriting gets harder to read and control. Detecting Parkinson's disease via handwriting images is one of the major research areas in the medical field. This research proposes an automated PD detection approach with handwriting images using an improved hybrid classification model. Primarily, a modified Wiener filter is employed for pre-processing the handwriting image. Then, modified PHOG, Deep features and Shape features are extracted. Finally, detection is performed using hybrid Improved LinkNet and Ghostnet models, termed (ILN-GNet), whose outcomes indicate if the individual is healthy or affected. From the analysis, a higher precision of 0.99 is achieved by the ILN-GNet, while existing methods attained low precision. Thus, these innovations significantly enhance early diagnosis and monitoring, enabling timely interventions before the disease progresses. Moreover, the proposed approach can contribute to remote healthcare solutions, by providing a scalable, and efficient tool for PD diagnosis.
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.