메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Salim Lahmiri (McGill University) Debra Ann Dawson (McGill University) Amir Shmuel (McGill University)
저널정보
대한의용생체공학회 Biomedical Engineering Letters (BMEL) Biomedical Engineering Letters (BMEL) Vol.8 No.1
발행연도
2018.1
수록면
29 - 39 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Parkinson’s disease (PD) is a widespreaddegenerative syndrome that affects the nervous system. Itsearly appearing symptoms include tremor, rigidity, andvocal impairment (dysphonia). Consequently, speechindicators are important in the identification of PD basedon dysphonic signs. In this regard, computer-aided-diagnosissystems based on machine learning can be useful inassisting clinicians in identifying PD patients. In this work,we evaluate the performance of machine learning basedtechniques for PD diagnosis based on dysphonia symptoms. Several machine learning techniques were consideredand trained with a set of twenty-two voice disordermeasurements to classify healthy and PD patients. Thesemachine learning methods included linear discriminantanalysis (LDA), k nearest-neighbors (k-NN), naı¨ve Bayes(NB), regression trees (RT), radial basis function neuralnetworks (RBFNN), support vector machine (SVM), andMahalanobis distance classifier. We evaluated the performanceof these methods by means of a tenfold cross validationprotocol. Experimental results show that the SVMclassifier achieved higher average performance than allother classifiers in terms of overall accuracy, G-mean, andarea under the curve of the receiver operating characteristicplot. The SVM classifier achieved higher performancemeasures than the majority of the other classifiers also interms of sensitivity, specificity, and F-measure statistics. The LDA, k-NN and RT achieved the highest averageprecision. The RBFNN method yielded the highestF-measure.; however, it performed poorly in terms of otherperformance metrics. Finally, t tests were performed toevaluate statistical significance of the results, confirmingthat the SVM outperformed most of the other classifiers onthe majority of performance measures. SVM is a promisingmethod for identifying PD patients based on classificationof dysphonia measurements.

목차

등록된 정보가 없습니다.

참고문헌 (45)

참고문헌 신청
Rojas A / 2013 / Application of empirical mode decomposition (EMD) on DaTSCAN SPECT images to explore Parkinson disease / Expert Syst Appl 40:2756~2766 Crossref Lee S-H / 2012 / Parkinson’s disease classification using gait characteristics and wavelet-based feature extraction / Expert Syst Appl 39:7338~7344 Crossref Little MA / 2009 / Suitability of dysphonia measurements for telemonitoring of Parkinson’s disease / IEEE Trans Biomed Eng 56:1015~1022 Crossref Hamed Shabani / 2016 / Assessment of Recurrence Quantification Analysis (RQA) of EEG for Development of a Novel Drowsiness Detection System / Biomedical Engineering Letters (BMEL) 6(3):196~204 dbpia V. S. R. Kumari / 2013 / Fuzzy Unordered Rule Induction for Evaluating Cardiac Arrhythmia / Biomedical Engineering Letters (BMEL) 3(2):74~79 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0