帕金森病严重性预测的患者特定游戏转移方法

Aug, 2022

帕金森病严重性预测的患者特定游戏转移方法

Patient-Specific Game-Based Transfer Method for Parkinson's Disease Severity Prediction

Zaifa Xue, Huibin Lu, Tao Zhang, Max A. Little

TL;DR本文提出了一种基于游戏的患者特定的迁移方法（PSGT）来预测帕金森病的严重程度。该方法考虑到了患者之间的异质性，并采用实例迁移的方式来弥补患者样本数据较少的问题。通过实验验证，发现 PSGT 方法相较于其他方法具有更好的预测效果和稳定性。

Abstract

dysphonia is one of the early symptoms of parkinson's disease (PD). Most existing methods use feature selection methods to find the optimal subset of voice features for all PD patients. Few have considered the he

parkinson's disease dysphonia patient-specific instance transfer random forest

发现论文，激发创造

使用多任务神经网络确定帕金森病患者的严重程度

该论文提出了一种基于深度学习技术的方法，通过语音分析及回归技术能够判断一个人是否患有严重的帕金森症，并预测病情的程度，取得了非常有前景的效果。

Feb, 2024

应用人工智能和自然语言知识转移进行帕金森病诊断

本研究提出了一种利用深度学习方法对带有 Parkinson 病的患者的语音记录进行分类的方法，通过对一个预训练自然语言模型 wav2vec 2.0 进行知识转移训练音频分类器，并成功在由智能手机录制的语音记录数据集中实现了 97.92% 的准确度。

Apr, 2022

帕金森病的声音生物标志和先进机器学习算法检测：一项综合研究

该研究探索了派金森病患者声音特征变化作为早期疾病预测手段的潜力，使用多种先进的机器学习算法进行综合分析，结果表明 LightGBM 模型在准确率、AUC，敏感度和特异度等指标上表现出色，强调了结合声音生物标志物和先进机器学习技术对于精确及时检测派金森病的重要性。

Nov, 2023

基于视觉的 MDS-UPDRS 步态评分估计用于评估帕金森病运动严重程度

提出了一种基于计算机视觉的模型，该模型可以观察个体的非侵入性视频记录，提取他们的 3D 身体骨架，跟踪它们的运动，并根据 MDS-UPDRS 步态评分对这些运动进行分类。这是一个基于 MDS-UPDRS 步态严重度分类 PD 患者的第一个基准，并可能成为一种客观的生物标志物。

Jul, 2020

使用基于单一频率滤波特征的语音对帕金森病进行严重程度分类

本研究提出了两组新颖特征用于帕金森病严重度分类：基于单频滤波方法的 SFF 倒谱系数（SFFCC）和基于 SFF 的 MFCC（MFCC-SFF）。使用 PC-GITA 数据库进行实验，结果显示所提出的特征在三个语音任务中均优于传统的 MFCC 特征。相较于 MFCC 特征，所提出的 SFFCC 和 MFCC-SFF 特征在元音任务中相对提高了 5.8% 和 2.3%、在句子任务中相对提高了 7.0% 和 1.8%、在朗读文本任务中相对提高了 2.4% 和 1.1%。

Aug, 2023

PD-ADSV：基于语音信号和硬投票集成方法的帕金森病自动诊断系统

使用 Python 和 Gradio 网页框架，开发了一种基于语音信号的自主系统 PD-ADSV，使用四种机器学习分类器和硬投票集成方法来诊断帕金森病并达到最高准确度。

Apr, 2023

利用机器学习进行早期诊断帕金森病的实验研究

通过机器学习技术，使用临床特征，声音特征和运动检查等数据，实现对帕金森病的早期检测，并取得了 100％针对 PD 和 RBD 患者的准确分类率，以及对 PD 和 HC 个体的 92％准确分类率。

Oct, 2023

帕金森病多模态室内定位检测药物使用：基于自由生活环境的观察性试验

通过使用可穿戴设备采集的合成信号强度指示器（RSSI）和加速度计数据，提出了一种基于 Transformer 的室内定位方法来改善目前的室内定位方法的有效性，该方法利用双模态提供的运动补充视图，并在评估时发现其能够检测帕金森病患者服用或停用左旋多巴药物。

Aug, 2023

超越公平：基于声音的无年龄歧视帕金森病检测

通过使用基于 GradCAM 的特征遮盖和集成模型的新的去偏方法，我们有效提高了早发型帕金森病患者的检测准确率，而不以性能为代价。此外，我们为年轻群体提出了两步检测策略，为潜在早发型帕金森病患者提供实际风险评估。

Sep, 2023

使用声音特征评估回声状态网络对帕金森病预测的研究

该研究旨在开发一种诊断模型，能够在临床实践中实现高准确度和最小化误报阴性，使用 ANOVA 进行特征选择，结合 Echo State Networks 等多种机器学习方法进行评估，结果表明 ESN 方法在 Parkinson's 疾病诊断方面具有优越的性能，不仅准确性更高，而且假阴性率最低，使其成为有限数据场景下特别适用的 PD 诊断模型。

Jan, 2024