| DC Field | Value | Language |
|---|
| dc.contributor.author | Vishniakou, U. A. | - |
| dc.contributor.author | Yiwei Xia | - |
| dc.contributor.author | Chuyue Yu | - |
| dc.coverage.spatial | Минск | ru_RU |
| dc.date.accessioned | 2023-05-12T06:19:47Z | - |
| dc.date.available | 2023-05-12T06:19:47Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Vishniakou, U. Technology of neurological disease recognition using gated recurrent unit neural network and internet of things = Технология распознавания нейрологических заболеваний с использованием нейронной сети закрытого рекуррентного блока и интернета вещей / U. Vishniakou, Yiwei Xia , Chuyue Yu // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков [и др.]. – Минск, 2023. – Вып. 7. – С. 241–246. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/51292 | - |
| dc.description.abstract | In this paper, authors proposed a neurological disease recognition technique using gated recurrent unit neural network and supporting Internet of Things (IoT), which was checked by taking Alzheimer’s disease (AD) and Parkinson’s disease (PD) as examples. In this method first pre-emphasized and denoised the voice data, then segmented the voice signals with a sliding fixed window using the Hamming window function. Then we were extracted the eGeMAPSv02 voice features from the window signal, fed the features into the gated recurrent unit neural network model for its training, testing and achieve the disease diagnosis. The results of the study showed that despite the limited generalization ability of the gated recurrent unit model, it can still efficiently achieve voice recognition detection of a portion of neurological diseases. The model is implemented on the basis of the IoT platform for building a subsystem of IT diagnostics of patients as part of the smart city project. The code is stored in https://github.com/ HkThinker/Technology-of-neural-disease-recognition. | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | gated recurrent unite neural network | ru_RU |
| dc.subject | internet of things | ru_RU |
| dc.subject | voice recognition | ru_RU |
| dc.title | Technology of neurological disease recognition using gated recurrent unit neural network and internet of things | ru_RU |
| dc.title.alternative | Технология распознавания нейрологических заболеваний с использованием нейронной сети закрытого рекуррентного блока и интернета вещей | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | В этой статье авторы предложили метод распознавания неврологических заболеваний с использованием закрытой рекуррентной нейронной сети и поддержки Интернета вещей (IoT), который был проверен на примере болезни Альцгеймера (БА) и болезни Паркинсона (БП). В этом методе сначала предварительно выделяются и ослабляются голосовые данные, затем голосовые сигналы сегментируются с помощью скользящего фиксированного окна с использованием функции окна Хэмминга. Затем извлекаются голосовые характеристики eGeMAPSv02 из сигнала окна, вводятся эти характеристики в модель нейронной сети с закрытым рекуррентным модулем для ее обучения, тестирования и достижения диагноза заболевания. Результаты исследования показали, что, несмотря на ограниченную способность модели gated recurrentunitкобобщению,онаможетэффективнообеспечивать распознавание голоса при выявлении части неврологических заболеваний. Модель реализуется на базе платформы IoT для построения подсистемы ИТ-диагностики пациентов а рамках проекта умного города. Код хранится https://github. com/HkThinker/Technology-of-neural-disease-recognition. | ru_RU |
| Appears in Collections: | OSTIS-2023
|
