Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/52991
Title: Распознавание признаков болезни Паркинсона на основе анализа голосовых маркеров и двигательной активности
Other Titles: Recognition of signs of Parkinson's disease based on the analysis of voice markers and motor activity
Authors: Вишняков, В. А.
Ся Ивэй
Keywords: публикации ученых;машинное обучение;голосовые маркеры;нейронные сети;болезнь Паркинсона
Issue Date: 2023
Publisher: Объединенный институт проблем информатики Национальной академии наук Беларуси
Citation: Вишняков, В. А. Распознавание признаков болезни Паркинсона на основе анализа голосовых маркеров и двигательной активности = Recognition of signs of Parkinson's disease based on the analysis of voice markers and motor activity // В. А. Вишняков, Ся Ивэй // Информатика. – 2023. − Т. 20, № 3. – С. 106–114.
Abstract: Решается задача ИТ-диагностики признаков болезни Паркинсона по анализу изменения голоса и замедления движения пациентов. Актуальность задачи связана с необходимостью ранней диагностики заболевания. Предлагается метод комплексного распознавания болезни Паркинсона с использованием машинного обучения, основанный на анализе голосовых маркеров и изменений в движениях пациентов на известных наборах данных. Методы. Используются частотно-временная функция (функция вейвлета), функция кепстрального коэффициента Мейера, алгоритм k-ближайших соседей (k-Nearest Neighbors, KNN), алгоритм двухслойной нейронной сети для обучения и тестирования на общедоступных наборах данных по изменению речи и замедлению движения при болезни Паркинсона, а также байесовский оптимизатор для улучшения ги- перпараметров алгоритма KNN. Результаты. Алгоритм KNN использован для распознавания речи пациентов, точность теста 94,7 % достигнута при диагностике болезни Паркинсона по изменению голоса. Алгоритм байесовской нейронной сети применен для распознавания замедления движения пациентов, он дал точность теста 96,2 %. Заключение. Полученные результаты распознавания признаков болезни Паркинсона близки к мировому уровню. На том же наборе данных по изменению речи пациентов один из лучших показателей зарубежных исследований составляет 95,8 %, а на наборе данных по замедлению движения пациентов – 98,8 %. Предлагаемая авторская методика предназначена для использования в подсистеме ИТ-диагностики неврологических заболеваний умного города.
Alternative abstract: Objectives. The problem of IT diagnostics of signs of Parkinson's disease is solved by analyzing changes in the voice and slowing down the movement of patients. The urgency of the task is associated with the need for early diagnosis of the disease. A method of complex recognition of Parkinson's disease using machine learning is proposed, based on markers of voice analysis and changes in the patient's movements on known data sets. Methods. The time-frequency function (the wavelet function) and the Meyer kepstral coefficient function, the KNN algorithm (k-Nearest Neighbors, KNN) and the algorithm of a two-layer neural network are used for training and testing on publicly available datasets on speech changes and motion retardation in Parkinson's disease. A Bayesian optimizer is also used to improve the hyperparameters of the KNN algorithm. Results. The KNN algorithm was used for speech recognition of patients, the test accuracy of 94.7% was achieved in the diagnosis of Parkinson's disease by voice change. The Bayesian neural network algorithm was applied to recognize the slowing down of the patients' movements, it gave a test accuracy of 96.2% for the diagnosis of Parkinson's disease. Conclusion. The obtained results of recognition of signs of Parkinson's disease are close to the world level. On the same set of data on speech changes of patients, one of the best indicators of foreign studies is 95.8%. On the same set of data on motion deceleration, one of the best indicators of foreign researchers is 98.8%. The proposed author's technique is intended for use in the subsystem of IT diagnostics of neurological diseases of a Smart city.
URI: https://libeldoc.bsuir.by/handle/123456789/52991
Appears in Collections:Публикации в изданиях Республики Беларусь

Files in This Item:
File Description SizeFormat 
Vishnyakov_Raspoznavanie.pdf813.78 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.