通过手写分析评估神经退行性疾病的可解释特征
神经元与认知
2025-10-23 v4 机器学习
摘要
运动功能障碍是帕金森病 (PD) 和阿尔茨海默病 (AD) 等神经退行性疾病 的常见体征，但可能难以检测，尤其是在早期阶段。在这项工作中，作为 Neurological Signals 数据集的一部分，我们检查了从 113 名受试者在数字平板上执行多种任务时的手写信号中提取的一系列广泛的可解释特征的行为。目的是衡量它们在表征 NDs（包括 AD 和 PD）方面的有效性。为此，从 14 个不同的任务中提取了任务无关和任务特定的特征。随后，通过统计分析和一系列分类实验，我们调查了哪些特征在 NDs 与健康对照组之间以及不同 NDs 之间提供了更大的区分能力。初步结果表明，手头的任务都可以被有效地利用来区分所考虑的 NDs 集合，特别是通过从我们手工设计的可解释特征中测量各组之间的稳定性、书写速度、未书写时间和压力变化，这在多个任务中显示出组间统计学上的显著差异。在计算出的特征上使用各种二元分类算法，我们在区分 AD 和健康对照组 (CTL) 时获得了高达 87% 的准确率，在区分 PD 和 CTL 时获得了高达 69% 的准确率。
引用
@article{arxiv.2409.08303,
title = {Interpretable Features for the Assessment of Neurodegenerative Diseases through Handwriting Analysis},
author = {Thomas Thebaud and Anna Favaro and Casey Chen and Gabrielle Chavez and Laureano Moro-Velazquez and Ankur Butala and Najim Dehak},
journal= {arXiv preprint arXiv:2409.08303},
year = {2025}
}
备注
pages including references, accepted in IEEE JHBI