Поиск :
Личный кабинет :
Электронный каталог: Vishniakou, U.А. - It diagnostics of parkinson's disease based on voice markers and decreased motor activity
Vishniakou, U.А. - It diagnostics of parkinson's disease based on voice markers and decreased motor activity
Статья
Автор: Vishniakou, U.А.
Системный анализ и прикладная информатика: It diagnostics of parkinson's disease based on voice markers and decreased motor activity
ИТ-диагностика болезни Паркинсона на основе голосовых маркеров и снижения двигательной активности
б.г.
ISBN отсутствует
Автор: Vishniakou, U.А.
Системный анализ и прикладная информатика: It diagnostics of parkinson's disease based on voice markers and decreased motor activity
ИТ-диагностика болезни Паркинсона на основе голосовых маркеров и снижения двигательной активности
б.г.
ISBN отсутствует
На полку
Статья
Vishniakou, U.А.
It diagnostics of parkinson's disease based on voice markers and decreased motor activity = ИТ-диагностика болезни Паркинсона на основе голосовых маркеров и снижения двигательной активности / U. А. Vishniakou, X. Yiwei. – DOI 10.21122/2309-4923-2023-4-51-57 // Системный анализ и прикладная информатика. – 2023. – № 4. – P. 51-57. – Режим доступа : https://rep.bntu.by/handle/data/139566. – На англ. яз.
The objectives of the article to propose the method for complex recognition of Parkinson's disease using machine learning, based on markers of voice analysis and changes in patient movements on known data sets. The time-frequency function, (the wavelet function) and the Meyer kepstral coefficient function are used. The KNN algorithm and the algorithm of a two-layer neural network were used for training and testing on publicly available datasets on speech changes and motion retardation in Parkinson's disease. A Bayesian optimizer was also used to improve the hyperparameters of the KNN algorithm. The constructed models achieved an accuracy of 94.7 % and 96.2 % on a data set on speech changes in patients with Parkinson's disease and a data set on slowing down the movement of patients, respectively. The recognition results are close to the world level. The proposed technique is intended for use in the subsystem of IT diagnostics of nervous diseases.
Цели статьи ‒ предложить метод комплексного распознавания болезни Паркинсона с использованием машинного обучения, основанный на анализе маркеров голоса и изменений в движениях пациента на известных наборах данных. Используются частотно-временная функция (вейвлет-функция) и функция коэффициента Мейера Кепстраля. Алгоритм KNN и алгоритм двухслойной нейронной сети были использованы для обучения и тестирования на общедоступных наборах данных об изменениях речи и замедлении движений при болезни Паркинсона. Байесовский оптимизатор также использовался для улучшения гиперпараметров алгоритма KNN. Построенные модели достигли точности 94,7 % и 96,2 % для набора данных об изменениях речи у пациентов с болезнью Паркинсона и набора данных о замедлении передвижения пациентов, соответственно. Результаты распознавания близки к мировому уровню. Предлагаемая методика предназначена для использования в подсистеме ИТ-диагностики нервных заболеваний.
616-072.8
общий = БД Техника
общий = АЛГОРИТМЫ РАСПОЗНАВАНИЯ
общий = БОЛЕЗНИ ЦЕНТРАЛЬНОЙ НЕРВНОЙ СИСТЕМЫ
общий = МАШИННОЕ ОБУЧЕНИЕ
общий = БАЙЕСОВСКАЯ СТАТИСТИКА
Vishniakou, U.А.
It diagnostics of parkinson's disease based on voice markers and decreased motor activity = ИТ-диагностика болезни Паркинсона на основе голосовых маркеров и снижения двигательной активности / U. А. Vishniakou, X. Yiwei. – DOI 10.21122/2309-4923-2023-4-51-57 // Системный анализ и прикладная информатика. – 2023. – № 4. – P. 51-57. – Режим доступа : https://rep.bntu.by/handle/data/139566. – На англ. яз.
The objectives of the article to propose the method for complex recognition of Parkinson's disease using machine learning, based on markers of voice analysis and changes in patient movements on known data sets. The time-frequency function, (the wavelet function) and the Meyer kepstral coefficient function are used. The KNN algorithm and the algorithm of a two-layer neural network were used for training and testing on publicly available datasets on speech changes and motion retardation in Parkinson's disease. A Bayesian optimizer was also used to improve the hyperparameters of the KNN algorithm. The constructed models achieved an accuracy of 94.7 % and 96.2 % on a data set on speech changes in patients with Parkinson's disease and a data set on slowing down the movement of patients, respectively. The recognition results are close to the world level. The proposed technique is intended for use in the subsystem of IT diagnostics of nervous diseases.
Цели статьи ‒ предложить метод комплексного распознавания болезни Паркинсона с использованием машинного обучения, основанный на анализе маркеров голоса и изменений в движениях пациента на известных наборах данных. Используются частотно-временная функция (вейвлет-функция) и функция коэффициента Мейера Кепстраля. Алгоритм KNN и алгоритм двухслойной нейронной сети были использованы для обучения и тестирования на общедоступных наборах данных об изменениях речи и замедлении движений при болезни Паркинсона. Байесовский оптимизатор также использовался для улучшения гиперпараметров алгоритма KNN. Построенные модели достигли точности 94,7 % и 96,2 % для набора данных об изменениях речи у пациентов с болезнью Паркинсона и набора данных о замедлении передвижения пациентов, соответственно. Результаты распознавания близки к мировому уровню. Предлагаемая методика предназначена для использования в подсистеме ИТ-диагностики нервных заболеваний.
616-072.8
общий = БД Техника
общий = АЛГОРИТМЫ РАСПОЗНАВАНИЯ
общий = БОЛЕЗНИ ЦЕНТРАЛЬНОЙ НЕРВНОЙ СИСТЕМЫ
общий = МАШИННОЕ ОБУЧЕНИЕ
общий = БАЙЕСОВСКАЯ СТАТИСТИКА
