使用机器学习早期诊断帕金森病的实验研究
机器学习
2023-10-23 v1 人工智能
摘要
帕金森病是全球最具灾难性的神经系统疾病之一。与此同时，其治疗复杂且极其昂贵。控制其进展的唯一有效手段是早期确诊。然而这颇具挑战，因为早期检测需要大规模且复杂的临床研究。本实验工作使用机器学习技术，从临床特征、语音特征和运动检查中自动早期检测帕金森病。在本研究中，我们利用一个包含130人的公开数据集构建ML模型，其中30人为未经治疗的帕金森病患者，50人为患快速眼动睡眠行为障碍（罹患帕金森病风险更高）的患者，50人为健康对照。我们使用MinMax Scaler重新缩放数据点，使用Local Outlier Factor去除离群值，并使用SMOTE平衡现有类别频率。之后，应用若干机器学习技术。我们以不可能发生数据泄漏与过拟合的方式实现这些方法。最终，在分类PD与RBD患者上获得100%准确率，在分类PD与HC个体上获得92%准确率。
引用
@article{arxiv.2310.13654,
title = {An experimental study for early diagnosing Parkinson's disease using machine learning},
author = {Md. Taufiqul Haque Khan Tusar and Md. Touhidul Islam and Abul Hasnat Sakil},
journal= {arXiv preprint arXiv:2310.13654},
year = {2023}
}
备注
12 pages, 9 figures, 5 tables