基于书写测量的性别特异与年龄相关帕金森病诊断分类模型的改进
机器学习
2020-01-01 v6 信号处理
神经元与认知
机器学习
摘要
准确诊断对于阻止帕金森病进展以及改善患者生活质量至关重要。本文中，我们开发了一种性别特异且年龄相关的分类方法，利用从帕金森病患者（n=37；男/女=19/18；年龄=69.3±10.9岁）与健康对照者（n=38；男/女=20/18；年龄=62.4±11.3岁）记录的在线书写数据来诊断帕金森病。观察到性别特异且年龄相关的分类器显著优于通用分类器。观察到女性特异分类器准确率提升至 83.75%（SD+1.63），老年相关分类器为 79.55%（SD=1.58），而通用分类器准确率为 75.76%（SD=1.17）。最后，结合年龄与性别信息在分类中被证明是令人鼓舞的。我们进行了严格分析以观察性别特异与年龄相关特征在帕金森病检测中的主导性，并使用支持向量机（SVM）排序方法对其排序。在不同分类类别中，观察到不同的特征集在较高分类准确率中占主导。
引用
@article{arxiv.1904.09651,
title = {An improved sex specific and age dependent classification model for Parkinson's diagnosis using handwriting measurement},
author = {Ujjwal Gupta and Hritik Bansal and Deepak Joshi},
journal= {arXiv preprint arXiv:1904.09651},
year = {2020}
}
备注
Journal of Computer Methods and Programs in Biomedicine(Accepted on 27 December 2019)