RT - article
SR - Electronic
T1 - Распознавание признаков болезни Паркинсона на основе анализа голосовых маркеров и двигательной активности
JF - Информатика
SP - 2023-09-29
DO - 10.37661/1816-0301-2023-20-3-106-114
A1 - Вишняков В. А., 
A1 - Ивэй Ся , 
YR - 2023
UL - https://www.academjournals.by/publication/18214
AB - Цели. 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 гиперпараметров 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.