NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Ekstrapiramidal semptomlar, el yazısı ve konuşmayı engelleyen motor bozukluklara katkıda bulunan bradikinezi, çark sertliği ve dinlenme titremesi gibi Parkinsonizm özelliklerini içerir. Bu çalışmada, farklı seviyelerde EPS ve 30 etkilenmemiş kontrol sergileyen 94 hastadan elde edilen ses sensörü kurulumunu kullanarak yakalanan ses verilerini analiz ettik. Her katılımcı, tekrarlanan sesli ve sessiz seslerin 13 kaydını sağladı. İlaçla İndüklenen Ekstrapiramidal Yan Etki Ölçeği ve Glasgow Antipsikotik Yan Etki Ölçeği, hastaları, her ikisi de eğitimli klinisyenler tarafından yönetilen hafif, orta ve şiddetli ekstrapiramidal semptomlara derecelendirirken kullanılmıştır. Objektif bir değerlendirme aracı geliştirmek için, özellik çıkarma ve sınıflandırma için bir DenseNet mimarisi kullanarak bir transfer öğrenme yaklaşımı kullandık. Mimarisi, her katmandaki özelliklerin hiyerarşik birleştirilmesini sağlar. Bu çalışmada, önemli akustik özelliklerin, MFCC, krom ve spektral kontrastın ekstrapiramidal semptomların şiddeti ile önemli ölçüde değiştiğini tespit ettik. Bu bulgulara dayanarak, ses verilerinden ekstrapiramidal semptomları tahmin edebilen DenseNet tabanlı bir model geliştirdik. Bu model, %81.9 doğruluk ve %82.0 hassasiyetle sınıflandırılabilir. Bilgimizin en iyisine göre, bu, ekstrapiramidal semptomların ciddiyetini değerlendirmek için ses tabanlı bir model tanıtan ilk çalışmadır.
Özgün kaynak özetini okuyun
Extrapyramidal symptoms encompass features of Parkinsonism, including bradykinesia, cogwheel rigidity, and resting tremors, which contribute to motor impairments hindering handwriting and speech. In this study, we analyzed voice data captured using a voice sensor setup from 94 patients exhibiting varying levels of EPS and 30 unaffected controls. Each participant provided 13 recordings of repeated vowel and consonant sounds. The Drug-Induced Extrapyramidal Side Effect Scale and Glasgow Antipsychotic Side Effect Scales were used when grading patients into mild, moderate, and severe extrapyramidal symptoms, both administered by trained clinicians. To develop an objective assessment tool, we employed a transfer learning approach using a DenseNet architecture for feature extraction and classification. Its architecture enables the hierarchical concatenation of features at each layer. In this study, we identified that key acoustic features, MFCC, chroma, and spectral contrast vary significantly with the severity of extrapyramidal symptoms. Based on these findings, we developed a DenseNet-based model capable of predicting extrapyramidal symptoms from voice data. This model can classify with an accuracy of 81.9% and a precision of 82.0%. To the best of our knowledge, this is the first study to introduce a voice-based model for assessing the severity of extrapyramidal symptoms.
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.