Apr, 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

PDF
TL;DR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。
parkinson's diseaseneurodegenerative disordermachine learningvoice signalsdiagnosis
发现论文，激发创造
  • Shoupa：早期诊断帕金森病的 AI 系统

    本文介绍了我们开发的智能手机移动设备和 AI 技术相结合的 PD 早期检测系统框架，该系统结合了不同任务，评估了运动和非运动症状，以帮助用户在非临床设置中及时检测 PD，确定其最严重的症状，进而用于 PD 康复指导及其他神经疾病的检测。

    Nov, 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

  • 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

  • AI WALKUP: 一种基于计算机视觉的方法用于量化帕金森病患者的 MDS-UPDRS 评分

    通过基于计算机视觉的解决方案捕获人体姿势图像，使用算法进行重建和运动分析，并通过特征工程提取运动量的特征，从而可以在不同智能手机上部署，并通过我们的应用程序快速便捷地进行视频录制和人工智能分析。

    Apr, 2024

  • 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

  • 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

  • 用于发展基于人工智能的帕金森氏症语音评估的合成数据生成技术（一项比较研究）

    通过深度学习生成技术，本论文探讨了对于核心 AI 系统而言机器学习分类器的准确性的影响，以进一步提高通过声音识别帕金森病的 AI 系统性能。

    Dec, 2023

  • 通过多任务视频分析实现帕金森病在家无障碍检测

    通过分析网络摄像头录制的手指敲击、面部表情（微笑）和语音（说出包含所有字母的句子）的特征，我们训练了一种新颖的基于神经网络的融合架构来检测帕金森病，该模型还使用了蒙特卡洛随机失活来提高预测准确性。这种低成本、便捷的帕金森病筛查方法只需一个带有网络摄像头和麦克风的互联网设备，在有限制性临床专家资源的地区尤其方便。

    Jun, 2024

  • 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

  • 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