基于机器学习的帕金森病患者的分类,使用语音生物标志物

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 计算生物学 计算生物学

背景情况:

• 帕金森病 (PD) 是一种流行的神经退行性疾病,特别影响老年人群.
• 早期诊断PD至关重要,但对医疗保健系统来说具有挑战性.
• 随着年龄的增长,PD的患病率显著增加,这凸显了对可访问的诊断工具的需求.

研究的目的:

• 用语音录音来分类帕金森病 (PD) 患者和健康对照组.
• 评估机器学习 (ML) 算法的有效性,以分析PD检测的语音模式.
• 探索ML驱动的语音分析在PD早期诊断中的潜力.

主要方法:

• 收集了252个PD和没有PD的个体 (33-87岁) 的语音录音.
• 应用监督机器学习 (ML) 算法和管道来分析754个属性的语音数据.
• 使用十倍交叉验证来验证ML模型在PD分类中的性能.

主要成果:

• 在ML模型实现了高准确度 (84.21%) 和准确度 (93%) 的PD患者的分类.
• 管道方法进一步提高了分类性能,达到85.09%的准确度和91%的灵敏度.
• 分析表明,ML能够根据语音生物标志物将PD与健康对照区分开.

结论:

• 机器学习分类器和管道可以使用语音生物标志物准确分类帕金森病 (PD).
• 管道在特征选择和提高PD检测分类准确性方面是有效的.
• 这种语音分析方法为早期诊断最初的帕金森病形式提供了一种可行的方法.