| DC Field | Value | Language |
|---|
| dc.contributor.author | Вишняков, В. А. | - |
| dc.contributor.author | Чуйэ, Ю. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2023-12-28T06:00:46Z | - |
| dc.date.available | 2023-12-28T06:00:46Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Вишняков, В. А. ИТ-диагностика болезни Альцгеймера на основе анализа голосовой информации = IT diagnostics of Alzheimer's disease based on the analysis of voice information / В. А. Вишняков, Ю. Чуйэ // Проблемы инфокоммуникаций. – 2023. – № 2 (18). – С. 66–71. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/53948 | - |
| dc.description.abstract | Цель статьи − использовать машинное обучение для распознавания болезни Альцгеймера по фонологическим данным на ранней стадии заболевания. Данные, используемые в процессе анализа, взяты из набора данных AdeSS2020 Challenge dataset, который содержит голосовую информацию как пациентов с болезнью Альцгеймера (для обучения нейронной сети) так и пациентов для распознавания. Подход, используемый в этой статье, основан на модели классификации с использованием машинного обучения. Сначала из голосовых данных были извлечены как фонологические, так и семантические признаки, затем выполнено машинное обучение нейронной сети на основе этих признаков с использованием алгоритма случайного леса. Использован также алгоритм GridSearchCV для оптимизации гиперпараметров классификатора случайного леса. В процессе распознавания болезни Альцгеймера точность классификации модели достигла 85 %. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | Белорусская государственная академия связи | en_US |
| dc.subject | публикации ученых | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | нейросети | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | болезнь Альцгеймера | en_US |
| dc.subject | параметры оптимизации | en_US |
| dc.title | ИТ-диагностика болезни Альцгеймера на основе анализа голосовой информации | en_US |
| dc.title.alternative | IT diagnostics of Alzheimer's disease based on the analysis of voice information | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The purpose of the article is to use machine learning to recognize Alzheimer's disease from
phonological data at an early stage of the disease. The data used in the analysis process is
taken from the AdeSS2020 Challenge dataset, which contains voice information of both
patients with Alzheimer's disease (for neural network training) so are patients for recognition.
The approach used in this article is based on a classification model using machine learning.
First, both phonological and semantic features were extracted from the voice data, then
machine learning of a neural network based on these features was performed using a random
forest algorithm. The GridSearchCV algorithm is also used to optimize the hyperparameters
of the random forest classifier. In the process of recognizing Alzheimer's disease, the
classification accuracy of the model reached 85 %. | en_US |
| Appears in Collections: | Публикации в изданиях Республики Беларусь
|
