用于帕金森病分类与回归分析的拓扑描述子
机器学习
2020-05-07 v2 图像与视频处理
定量方法
机器学习
摘要
目前，绝大多数神经疾病患者仍通过面对面评估和患者数据的定性分析来诊断。在本文中，我们提出使用拓扑数据分析（TDA）与机器学习工具来自动化帕金森病的分类与严重程度评估过程。一种自动化、稳定且准确的帕金森病评估方法，对于简化患者诊断并为家庭争取更多纠正措施的时间具有重要意义。我们提出一种方法，将TDA通过持久性图像（persistence images）的表示纳入对帕金森病姿势偏移数据的分析。研究系统的拓扑已被证明对数据的微小变化具有不变性，并已在判别任务中表现良好。本文的贡献有两点。我们提出一种方法以1）将健康患者与患病患者分类，以及2）诊断疾病的严重程度。我们在一个包含健康老年人、健康年轻人和帕金森病患者的帕金森病数据集应用中探索了所提方法的使用。我们的代码可在 https://github.com/itsmeafra/Sublevel-Set-TDA 获取。
引用
@article{arxiv.2004.07384,
title = {Topological Descriptors for Parkinson's Disease Classification and Regression Analysis},
author = {Afra Nawar and Farhan Rahman and Narayanan Krishnamurthi and Anirudh Som and Pavan Turaga},
journal= {arXiv preprint arXiv:2004.07384},
year = {2020}
}
备注
Accepted in the 42nd Annual International Conferences of the IEEE Engineering in Medicine and Biology Society (EMBC 2020)