A Comparative Analysis of Parkinson’s Disease Diagnosis Approaches Using Drawing-Based Datasets: Utilizing Large Language Models, Machine Le

Araştırma özeti

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

Parkinson hastalığı (PD), motor fonksiyonu bozan, genellikle titremeye ve hareket kontrolü ile ilgili zorluklara neden olan ilerici bir nörodejeneratif bozukluktur. Umut verici bir teşhis yöntemi, spiraller ve dalgalar gibi, PD'li bireylerde karakteristik bozulmalar gösteren elle çizilmiş kalıpları analiz etmeyi içerir. Bu çalışma, bireyleri çizim kaynaklı özelliklere göre Parkinsonian veya sağlıklı olarak sınıflandırmak için üç hesaplama yaklaşımını karşılaştırmaktadır: (1) Büyük Dil Modelleri (LLM'ler), (2) geleneksel makine öğrenimi (ML) algoritmaları ve (3) bulanık kümeler ve Bulanık-OWL2 kullanarak bulanık ontoloji tabanlı bir yöntem. Her yöntem benzersiz güçlü yanlar sunar: LLM'ler ince desen tespiti için önceden eğitilmiş bilgiden yararlanır, ML algoritmaları özellik çıkarma ve tahmin doğruluğunda mükemmeldir ve bulanık ontolojiler belirsizlik altında yorumlanabilir, mantık tabanlı akıl yürütme sağlar. Farklı karmaşıklıklara sahip üç yapılandırılmış el yazısı veri kümesini kullanarak, performansı doğruluk, yorumlanabilirlik ve genelleme açısından değerlendirdik. Yaklaşımlar arasında, tüylü ontoloji tabanlı yöntem karmaşık görevlerde en güçlü performansı gösterirken, yüksek bir F1-skoru elde ederken, ML modelleri güçlü bir genelleme gösterdi ve LLM'ler güvenilir, yorumlanabilir bir taban çizgisi sundu. Bu bulgular, sembolik ve istatistiksel yapay zekanın birleştirilmesinin çizime dayalı PD tanısını iyileştirebileceğini göstermektedir.

Özgün kaynak özetini okuyun

Parkinson’s disease (PD) is a progressive neurodegenerative disorder that impairs motor function, often causing tremors and difficulty with movement control. A promising diagnostic method involves analyzing hand-drawn patterns, such as spirals and waves, which show characteristic distortions in individuals with PD. This study compares three computational approaches for classifying individuals as Parkinsonian or healthy based on drawing-derived features: (1) Large Language Models (LLMs), (2) traditional machine learning (ML) algorithms, and (3) a fuzzy ontology-based method using fuzzy sets and Fuzzy-OWL2. Each method offers unique strengths: LLMs leverage pre-trained knowledge for subtle pattern detection, ML algorithms excel in feature extraction and predictive accuracy, and fuzzy ontologies provide interpretable, logic-based reasoning under uncertainty. Using three structured handwriting datasets of varying complexity, we assessed performance in terms of accuracy, interpretability, and generalization. Among the approaches, the fuzzy ontology-based method showed the strongest performance on complex tasks, achieving a high F1-score, while ML models demonstrated strong generalization and LLMs offered a reliable, interpretable baseline. These findings suggest that combining symbolic and statistical AI may improve drawing-based 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.