17 November 2021 - Resumo
A doença de Parkinson (DP) é um distúrbio do sistema nervoso descrito pela primeira vez como uma condição neurológica em 1817. É uma das doenças mais prevalentes em idosos, sendo o Alzheimer a segunda doença neurodegenerativa mais comum. Afeta o movimento do paciente. Os sintomas começam gradualmente com tremores, rigidez nos movimentos e distúrbios da fala e da voz. Pesquisas provaram que 89% dos pacientes com Parkinson têm distúrbios da fala, incluindo articulação incerta, voz rouca e soprosa e tom monótono. A causa por trás dessa mudança de voz é a redução da dopamina devido a danos nos neurônios da substância negra responsável pela produção de dopamina. Neste trabalho, a doença de Parkinson é classificada com a ajuda de sinais de voz humana. Seis algoritmos de aprendizado de máquina (ML - machine learning) diferentes são usados na classificação: Classificador Stochastic Gradient Descent (SGD), Classificador Extreme Gradient Boosting (XGB), Classificador de Regressão Logística, Classificador de Floresta Aleatória, Classificador K-Nearest Neighbor (KNN) e Árvore de Decisão (DT) Classificador. Esta pesquisa visa classificar a doença de Parkinson usando sinais de voz humana e extrair características essenciais para reduzir a complexidade do conjunto de dados. Em seguida, os sinais de voz humana são analisados para verificar a intensidade e o espectro da voz para pacientes com DP. Em seguida, os classificadores de aprendizado de máquina são aplicados para classificar os pacientes com DP com base nos recursos extraídos. Os resultados mostram que SGD-Classifier tem 91% de precisão, XGB-Classifier tem 95% de precisão, Regressão Logística tem 91% de precisão, Random Forest mostra 97% de precisão, KNN mostra 95% de precisão e Árvore de Decisão tem 95% de precisão. Portanto, Random Forest tem a maior precisão. A doença pode ser mais estudada buscando-se mais características dos pacientes com DP para potencializar seu uso adequado na área médica. Original em inglês, tradução Google, revisão Hugo. Fonte: Techscience.
Nenhum comentário:
Postar um comentário