شبکه حالت پژواک عمیق برای تشخیص بیماری پارکینسون

ترجمه مقاله شبکه حالت پژواک عمیق برای تشخیص بیماری پارکینسون

ترجمه مقاله Deep Echo State Networks for Diagnosis of Parkinson’s Disease

در این پست ترجمه مقاله شبکه حالت پژواک عمیق برای تشخیص بیماری پارکینسون را برای شما دوستان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به طور کاملا رایگان دانلود بفرمایید.

چکیده مقاله

در این مقاله، به معرفی روشی نوین برای تشخیص بیماری پارکیسنون براساس شبکه‌ های پژواک حالت (ESN) می‌پردازیم. تشخیص پارکینسون از طریق تحلیل تمامی سری ‌های زمانی جمع‌آوری ‌شده توسط یک دستگاه تبلت طی طرح‌ریزی آزمایش مارپیچ انجام می‌شود، بدون احتیاج به استخراج ویژگی و پیش‌ پردازش داده ما روش پیشنهادی را روی مجموعه ‌داده‌ای عمومی از آزمایش‌ های مارپیچ امتحان کرده‌ایم. نتایج تحلیل تجربی نشان می‌دهد که ESN عمیق نسبت به ESN سطحی عملکرد بسیار بهتری دارد. در کل، روش پیشنهادی پیشرفته‌ترین نتایج موجود در زمینه تشخیص بیماری پارکینسون را در این نوع داده زمانی به‌دست می‌دهد.

مقدمه

بیماری پارکینسون یک عارضه تحلیل‌ روندگی عصبی است که بیشتر روی دستگاه حرکتی خارج‌ هرمی اثر گذاشته و منجر به لرزش، کندی حرکت، سفتی و از دست رفتن انعطاف وضعیتی می‌شود تحلیل ظرفیت‌ های حرکتی مانند نوشتن و کشیدن بیماران برای ارزیابی و تشخیص بیماری پارکینسون استفاده می‌شود با وجود آنکه توانایی ‌های نوشتن تحت تأثیر ظرفیت‌ های زبانی هستند، مهارت‌ های طرح کشیدن موجود در اجرای آزمایش مارپیچ به ‌عنوان معیاری مستقل از آموزش و تحصیل در نظر گرفته می‌شوند. مثالی از کاربرد‌ مدل‌ های یادگیری عمیق برای دسته‌ بندی PD که مستقیماً بر تصاویر آزمایش مارپیچ اعمال می‌شوند، معرفی شده است. پژوهشی در تشخیص پارکینسون از طریق روش‌ های آماری براساس تحلیل داده ‌های جمع‌آوری‌ شده از سرعت و فشار قلم به کمک یک تبلت حین انجام آزمایش مارپیچ معرفی شده است. در این مقاله، ما روشی نوین برای تشخیص بیماری پارکینسون براساس شبکه های عصبی بازگشتی (RNN) که قادر به بهره ‌برداری مناسب از دوره زمانی کامل داده‌ های ناهمگن و دارای نویز سری‌ های زمانی است که به کمک یک تبلت حین انجام آزمایش مارپیچ جمع‌آوری شده‌اند. به‌طور مشخص، ما چهارچوب رایانش مخزنی را مدنظر قرار می‌دهیم که پیشرفته‌ترین نتایج را در ارزیابی بالینی مربوط به پژوهش بیماری‌ های عصب‌ شناسی به‌دست آورده است.

چکیده انگلیسی

In this paper, we introduce a novel approach for diagnosis of Parkinson’s Disease (PD) based on deep Echo State Networks (ESNs)The identication of PD is performed by analyzing the whole time-series collected from a tablet device during the sketching of spiral tests, without the need for feature extraction and data preprocessing. We evaluated the proposed approach on a public dataset of spiral tests. The results of experimental analysis show that DeepESNs perform signicantly better than shallow ESN model. Overall, the proposed approach obtains state of-the-art results in the identication of PD on this kind of temporal data.

منبع : arxiv.org