基于手写动态特征提取与选择的帕金森病检测
信号处理
2024-12-25 v1
摘要
帕金森病（PD）是一种渐进性神经系统疾病，影响运动控制，导致震颤、僵硬和 Bradykinesia 等症状。许多研究人员分析手写数据进行PD检测时，通常依赖于对整个手写任务计算统计特征。虽然这种方法可以捕获宽泛模式，但存在以下局限性：缺乏对动态变化的关注、特征表示过于简化、缺乏方向信息以及遗漏微小运动或细微变化。因此，这些系统在实现良好性能、鲁棒性和灵敏度方面面临挑战。为克服此问题，我们提出了一种优化的PD检测方法，融合新开发的动态运动学特征和基于机器学习（ML）的技术，以捕捉手写任务中的运动动态。在该过程中，我们首先从手写任务的前后10%阶段提取65个新开发的运动学特征，而不是使用整个任务。同时，我们还重用了23个现有的运动学特征，形成一个全新的特征集。接着，我们通过应用统计公式来计算手写数据的层次特征，以增强运动学特征。这一方法允许我们捕捉区分PD患者与健康对照者的细微运动变化。为进一步优化特征集，我们应用了顺序前向浮动选择法（Sequential Forward Floating Selection method）来选择最相关的特征，从而降低维度和计算复杂度。最后，我们采用基于集成投票的ML方法，实现了对任务级分类达96.99%准确率，对任务集成分类达99.98%准确率，超越现有PaHaW数据集上的最先进模型约2%。
引用
@article{arxiv.2412.17849,
title = {Parkinson Disease Detection Based on In-air Dynamics Feature Extraction and Selection Using Machine Learning},
author = {Jungpil Shin and Abu Saleh Musa Miah and Koki Hirooka and Md. Al Mehedi Hasan and Md. Maniruzzaman},
journal= {arXiv preprint arXiv:2412.17849},
year = {2024}
}