NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Özet Parkinson hastalığını (PD) erken bir aşamada doğru bir şekilde tespit etmek, ilerlemesini yavaşlatmak ve hastalara hastalık değiştirici tedaviye erişim olanağı sağlamak için kesinlikle vazgeçilmezdir. Parkinson Hastalığı'nı (PD) ses verileri ve Birleşik Parkinson Hastalığı Değerlendirme Ölçeği (UPDRS) skoru ile tahmin etmek ve izlemek için yenilikçi bir derin öğrenme tekniği önerilmektedir. Yaşlanan bir nüfusun dünya üzerindeki yükselişi, PD'yi erken, uzaktan ve doğru bir şekilde tespit etme ihtiyacını vurgulamaktadır. PD, Merkezi Sinir Sistemini (CNS) etkileyen, titreme, sertlik, yavaş hareketler, denge ve koordinasyon zorlukları ve konuşma bozuklukları gibi semptomlara yol açan ilerici bir nörolojik bozukluktur. Makine Öğrenimi kullanarak PD'nin erken tespiti ve ciddiyet değerlendirmesi çok önemlidir. Konuşma tanıma, PD'nin teşhisi ve izlenmesi için yeni bir yaklaşım sunar. Bu makale, ciddiyet değerlendirmesi için otomatik algılama ve UPDRS puanının kullanımı için jitter, shimmer, yoğunluk ve perde gibi akustik özelliklere sahip Derin Öğrenme modellerini vurgulamaktadır. Bunlardan biri PD hastalarından ve sağlıklı bireylerden konuşma örnekleri içeren iki veri seti ve diğeri sırasıyla 5.3 MB ve 1.01 MB disk boyutunda sesli veri ve UPDRS puanı içeren bu çalışmada kullanılmaktadır. Önerilen Residual Sinir Ağı (ResNet) ile 64 sağlıklı birey ve 188 erken PD hastası dahil olmak üzere nispeten küçük verilere dayanan diğer on makine öğrenimi ve topluluk öğrenme yöntemi arasındaki bir karşılaştırma, tasarlanan modelin üstün algılama performansını göstermektedir; bu, en yüksek doğruluk, ortalama ve hassasiyette% 98, 0.98 ve F1-Score, 0.98.
Özgün kaynak özetini okuyun
Abstract Accurately detecting Parkinson’s disease (PD) at an early stage is certainly indispensable for slowing down its progress and providing patients the possibility of accessing to disease-modifying therapy. An innovative deep-learning technique is proposed to predict and monitor the Parkinson’s Disease (PD) through voice data and Unified Parkinson’s Disease Rating Scale (UPDRS) score. The rise of an aging population over the world emphasizes the need to detect PD early, remotely and accurately. PD is a progressive neurological disorder that affects the Central Nervous System (CNS), leading to symptoms like tremors, stiffness, slow movements, balance and coordination difficulties, and speech disorders. Early detection and severity assessment of PD using Machine Learning is crucial. Speech recognition offers a new approach for diagnosis and monitoring of PD. This paper highlights Deep Learning models with acoustic features like jitter, shimmer, intensity and pitch for automatic detection and use of UPDRS score for severity assessment. Two datasets, one of them containing speech samples from PD patients and healthy individuals and another containing voice data and UPDRS score, with on disk size of 5.3 MB and 1.01 MB respectively, are used in this proposed work. A comparison between the proposed Residual Neural Network (ResNet) and other ten machine learning and ensemble learning methods based on relatively small data including 64 healthy individuals and 188 early PD patients shows the superior detection performance of the designed model, which achieves the highest accuracy, 98 % on average and precision, 0.98 and F1-Score, 0.98.
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.