Sobre a análise de sinais de voz para o diagnóstico da doença de Parkinson
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1305Palavras-chave:
Diagnóstico, Aprendizado de Máquina, Doença de ParkinsonResumo
Objetivo: Este estudo investiga se o possível viés na sobreamostragem via janelamento de dados de marcha em indivíduos com Doença de Parkinson (DP) também ocorre em sinais vocais. Um estudo anterior levantou a hipótese de que amostras distintas de um mesmo indivíduo não devem ser tratadas independentemente, dado o risco de enviesamento dos modelos. Método: Usamos sinais de voz de 24 indivíduos com DP e 8 saudáveis, e os algoritmos K-Nearest Neighbors (KNN), Support Vector Machine (SVM) e Random Forest (RF). A validação cruzada foi feita com Leave-one-out (LOOCV), adaptada para cenários com e sem viés nos dados de treinamento. Resultados: Modelos avaliados sem considerar o viés apresentaram performances inflacionadas, enquanto a abordagem rigorosa mostrou resultados mais modestos. Conclusão: Amostras do mesmo indivíduo em treinamento e teste podem inflar a performance dos modelos. A correta aplicação da sobreamostragem é crucial para desenvolver modelos confiáveis para o diagnóstico de DP.
Referências
Prabhavathi, K., and Shantanu Patil. Tremors and bradykinesia. Techniques for Assessment of Parkinsonism for Diagnosis and Rehabilitation (2022): 135-149. DOI: https://doi.org/10.1007/978-981-16-3056-9_9
Braak, Heiko, and Eva Braak. Pathoanatomy of Parkinson’s disease. Journal of neurology 247 (2000): II3-II10. DOI: https://doi.org/10.1007/PL00007758
Tanner, Caroline M. Epidemiology of Parkinson’s disease. Neurologic clinics 10.2 (1992): 317-329. DOI: https://doi.org/10.1016/S0733-8619(18)30212-3
Stewart A. Factor, William J. Weiner (2008) Parkinson Disease - Diagnosis and Clinical Management 2nd ed; 77-94
Ho, Aileen K., et al. Speech impairment in a large sample of patients with Parkinson's disease. Behavioural neurology 11.3 (1998): 131-137. DOI: https://doi.org/10.1155/1999/327643
Atarachi, J., and E. Uchida. A clinical study of Parkinsonism. Recent Adv Res Nerv Syst 1959; 3: 871 882 (1959).
Little, Max, et al. Suitability of dysphonia measurements for telemonitoring of Parkinson’s disease. Nature Precedings (2008): 1-1. DOI: https://doi.org/10.1038/npre.2008.2298.1
Aich, Satyabrata, et al. A supervised machine learning approach using different feature selection techniques on voice datasets for prediction of Parkinson’s disease. 2019 21st International Conference on Advanced Communication Technology (ICACT). IEEE, 2019. DOI: https://doi.org/10.23919/ICACT.2019.8701961
Ouhmida, Asmae, et al. Voice-Based Deep Learning Medical Diagnosis System for Parkinson's Disease Prediction. 2021 International Congress of Advanced Technology and Engineering (ICOTEN). IEEE, 2021. DOI: https://doi.org/10.1109/ICOTEN52080.2021.9493456
Rana, Arti, et al. An efficient machine learning approach for diagnosing Parkinson’s disease by utilizing voice features. Electronics 11.22 (2022): 3782. DOI: https://doi.org/10.3390/electronics11223782
Govindu, Aditi, and Sushila Palwe. Early detection of Parkinson's disease using machine learning. Procedia Computer Science 218 (2023): 249-261. DOI: https://doi.org/10.1016/j.procs.2023.01.007
Chagas, A., Bucci, G., Félix, J., Fonseca, A., Nascimento, H., & Soares, F. (2024). Avaliando a Sobreamostragem de Dados Temporais de Marcha no Diagnóstico Automático de Doenças Neurodegenerativas. In Anais do XXIV Simpósio Brasileiro de Computação Aplicada à Saúde, (pp. 567-578). Porto Alegre: SBC. doi:10.5753/sbcas.2024.2776 DOI: https://doi.org/10.5753/sbcas.2024.2776
Quoc Cuong Ngo, Mohammod Abdul Motin, Nemuel Daniel Pah, Drotar P, Kempster P, Kumar D. Computerized analysis of speech and voice for Parkinson’s disease: A systematic review. Computer Methods and Programs in Biomedicine. 2022 Nov 1;226:107133–3. DOI: https://doi.org/10.1016/j.cmpb.2022.107133
Faceli, K., et al. Inteligência Artificial: Uma abordagem de aprendizagem de máquina, LTC, Ed. Rio de Janeiro: Grupo Editorial Nacional (2011).
Duda, Richard O., and Peter E. Hart. Pattern classification. John Wiley & Sons, 2006.
Altman DG, Bland JM. Diagnostic tests. 1: Sensitivity and specificity. BMJ. 1994 Jun 11;308(6943):1552. doi: 10.1136/bmj.308.6943.1552. PMID: 8019315; PMCID: PMC2540489. DOI: https://doi.org/10.1136/bmj.308.6943.1552
Gunawardana, Asela, and Guy Shani. A survey of accuracy evaluation metrics of recommendation tasks. Journal of Machine Learning Research 10.12 (2009).
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
