利用多任务神经网络确定帕金森病患者病情严重程度
机器学习
2024-02-09 v1 声音
音频与语音处理
摘要
帕金森病在晚期易于诊断，但在早期阶段却极难确诊。早期诊断对于治疗症状至关重要。它影响日常活动，降低患者及其家庭的生活质量，并且是60岁以上人群中仅次于阿尔茨海默病的第二大常见神经退行性疾病。目前大多数关于帕金森病严重程度预测的研究都是在疾病晚期进行的。本工作分析了一组易于从语音分析中提取的变量，使其成为一种非常非侵入性的技术。本文提出了一种基于不同深度学习技术的方法，具有两个目的。一方面，判断一个人是否患有重度或非重度帕金森病；另一方面，通过回归技术确定特定患者疾病的进展程度。研究使用了统一帕金森病评定量表（UPDRS），同时考虑了运动评分和总评分标签。通过使用一个同时进行分类和回归的混合多层感知器（MLP），并利用自编码器提取数据中最重要的特征作为输入，获得了最佳结果。在预测一个人是否患有重度帕金森病或非重度帕金森病的问题上，成功率达到了99.15%。在疾病受累程度预测问题上，获得了0.15的均方误差（MSE）。使用完整的深度学习流程进行数据预处理和分类，在帕金森病领域被证明是非常有前景的，其性能优于当前最先进的方法。
引用
@article{arxiv.2402.05491,
title = {Determining the severity of Parkinson's disease in patients using a multi task neural network},
author = {María Teresa García-Ordás and José Alberto Benítez-Andrades and Jose Aveleira-Mata and José-Manuel Alija-Pérez and Carmen Benavides},
journal= {arXiv preprint arXiv:2402.05491},
year = {2024}
}