NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Makine öğrenimi yaklaşımları, Parkinson Hastalığı'nın otomatik olarak tespiti için yöntemler geliştirmek için kullanılmıştır ve ses kayıtları, veri edinmenin basit ve invazif olmayan doğası nedeniyle en çok kullanılan veri türü olmuştur. Çoğu çalışma kontrollü koşullar altında kaydedilen ses örneklerini kullanırken, birkaç çalışma telefonla elde edilen ses örneklerini kullanmıştır. Telefon veya mobil cihazlar aracılığıyla yakalanan ses kayıtları veri toplama için çok daha kolay ve daha geniş erişime izin verse de, mevcut çelişkili performans sonuçları klinik uygulanabilirliklerini sınırlar. Bu çalışmanın katkısı iki yönlüdür: İlk olarak, Parkinson Hastalığı olan 50 kişiden ve 50 sağlıklı kontrolden örnekler toplayarak ve telefonla ilgili ses özellikleri ile makine öğrenimi sınıflandırmasını uygulayarak sürekli sesli harf /a/'nın telefon koleksiyonlu ses kayıtlarının güvenilirliğini gösteriyoruz. İkincisi, bu örneklerden sürekli sesli harflerin spektrogramlarını analiz etmek için transfer öğrenme ile bir konvolutional sinir ağının yeni bir uygulamasını kullanıyoruz. Bu yaklaşım, zaman içinde ölçümlerin çökmesinden ziyade zaman ve frekans ölçekleri boyunca konuşma yoğunluğu tahminlerini dikkate alır. Parkinson Hastalığı olan insanları sağlıklı kontrollerden ayrı olarak sınıflandırma görevi için transfer öğrenme ile bu önceden eğitilmiş V3 konvolutional sinir ağı modelinin üstünlüğünü gösteriyoruz.
Özgün kaynak özetini okuyun
Machine learning approaches have been used to develop methods for the automatic detection of Parkinson’s Disease with voice recordings being the most used data type due to the simple and non-invasive nature of acquiring data. While most studies used voice samples recorded under controlled conditions, a few studies have used voice samples acquired via telephone. Although voice recordings captured via telephone or mobile devices allow much easier and wider access for data collection, current conflicting performance results limit their clinical applicability. The contribution of this study is two-fold: First, we show the reliability of telephone-collected voice recordings of the sustained vowel /a/ by collecting samples from 50 people with Parkinson’s Disease and 50 healthy controls and applying machine learning classification with voice features related to phonation. Second, we utilize a novel application of a convolutional neural network with transfer learning to analyze the spectrograms of the sustained vowel from these samples. This approach considers speech intensity estimates across time and frequency scales rather than collapsing measurements across time., We show the superiority of this pre-trained Inception V3 convolutional neural network model with transfer-learning for the task of classifying people with Parkinson’s Disease as distinct from healthy controls.
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.