早期的帕金森病预测使用交叉非十进制波量变换和机器学习算法
B Veena1, M S P Subathra2, S Thomas George2
1Dr T.Thimmaiah Institute of Technology, Oorgaum post, K.G.F, 563122, Karnataka, India. bveena23phd@gmail.com.
Scientific reports
|November 20, 2025
概括
研究人员开发了一种用于早期帕金森症的新方法.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 帕金森病 (PD) 是一种影响运动功能的神经退行性疾病,具有诊断挑战.
- 早期发现PD对于及时干预和管理至关重要.
- 语音分析为PD评估提供了一种非侵入性的方法.
研究的目的:
- 为了研究交叉非减小波形变换 (CNDWT) 与贝叶斯优化多重线性回归 (BOMLR) 结合用于早期发现帕金森病的疗效.
- 开发和验证一种新的信号处理技术,用于使用语音数据识别PD.
主要方法:
- 幅度切片和增强的PD语音数据使用交叉非减小波段转换 (CNDWT) 与Haar和Daubechies (DB3) 波段进行处理.
- 通过相关性分析识别有影响力的PD数据属性.
- 贝叶斯优化多重线性回归 (BOMLR) 的应用,以基于已识别的属性进行预测.
主要成果:
- 拟议的CNDWT-BOMLR方法在预测帕金森病时达到99%的准确性.
- 与现有方法的比较表明,CNDWT方法的性能优越.
- 这项研究使用了一套数据集,包括31个语音录音 (23名PD患者).
结论:
- 与BOMLR集成的CNDWT技术显示出对准确和早期发现帕金森病的重大前景.
- 这种方法提供了一种高效的非侵入性方法,用于使用语音生物标志物的PD诊断.
- 进一步的研究可以探索更大的数据集和多样化的群体,以确认可概括性.
