Detekcija Parkinsonove bolesti iz biomedicinskih parametara snimki glasa

završni rad

• Naslov (engleski): Detection of Parkinson's disease based on biomedical voice measurements
• Autor: Lucia Crvelin
• Mentor: Mirjana Domazet-Lošo (mentor)
• Član povjerenstva: Mirjana Domazet-Lošo (predsjednik povjerenstva)
• Član povjerenstva: Mihael Kovač (član povjerenstva)
• Član povjerenstva: Andrej Slapničar (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-06-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Dijagnoza Parkinsonove bolesti često je izazovna i zahtijeva precizne metode. U ovom istraživanju, primijenjene su metode strojnog učenja na biomedicinske parametre iz snimki glasa kako bi se unaprijedila detekcija Parkinsonove bolesti. Korišteni su podaci iz javno dostupne baze te je provedena analiza pomoću algoritama kao što su stroj potpornih vektora, slučajna šuma, k-najbližih susjeda i logistička regresija. Rezultati pokazuju da SVM postiže najbolju točnost od 98.9%, nadmašujući dosadašnje rezultate iz literature. Ovi nalazi sugeriraju da biomedicinski parametri glasa, u kombinaciji s algoritmima strojnog učenja, imaju značajan potencijal za neinvazivnu i ranu dijagnostiku Parkinsonove bolesti, otvarajući mogućnosti za daljnja istraživanja i primjene.

Sažetak (engleski)

Diagnosing Parkinson's disease is often challenging and requires precise methods. In this study, machine learning techniques were applied to biomedical parameters extracted from voice recordings to enhance the detection of Parkinson's disease. Publicly available voice data were used, and the analysis was conducted using algorithms such as Support Vector Machines (SVM), Random Forest, k-Nearest Neighbors (k-NN), and Logistic Regression. The results indicate that SVM achieved the highest accuracy of 98.9%, surpassing previous results reported in the literature. These findings suggest that biomedical voice parameters, combined with machine learning algorithms, hold significant potential for non-invasive and early diagnosis of Parkinson's disease, paving the way for further research and applications.

• Ključne riječi: Parkinsonova bolest; biomedicinski parametri iz snimke glasa; strojno učenje; odabir značajki; slučajna šuma; logistička regresija; stroj potpornih vektora; k- najbližih susjeda
• Ključne riječi (engleski): Parkinson's disease; biomedical voice recording parameters; machine learning; feature selection; Random Forest; Logistic Regression; Support Vector Machines; k-Nearest Neighbors
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:980732
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 20:18:35