Jurnal Internasional Pembelajaran mesin berbasis elektroensefalografi untuk profil kognitif pada penyakit Parkinson: Hasil awal – Betrouni – – Gangguan Gerakan

Download Jurnal Disini

Latar Belakang: C gejala ognativ sering terjadi pada pasien dengan penyakit Parkinson. Karakterisasi profil kognitif pasien merupakan langkah penting menuju identifikasi prediktor kognitif yang memburuk.
      

Tujuan: T ia bertujuan dari penelitian ini adalah untuk menyelidiki penggunaan kombinasi EEG istirahat-negara dan teknik data-mining untuk membangun model karakterisasi.
      

Metode: D data EEG ektrim dari 118 pasien dengan penyakit Parkinson, diklasifikasikan ke dalam 5 kelompok yang berbeda sesuai dengan tingkat keparahan gangguan kognitif mereka, dianggap. Analisis daya spektral dalam 7 pita frekuensi dilakukan pada sinyal EEG. Fitur kuantitatif EEG yang diperoleh dari 100 pasien ditambang menggunakan 2 algoritma pembelajaran mesin untuk membangun dan melatih model karakterisasi, yaitu, mendukung mesin vektor dan model tetangga terdekat. Model-model itu kemudian diuji secara buta pada data dari 18 pasien.
      

Hasil: T dia akurasi klasifikasi keseluruhan adalah 84% dan 88% untuk mesin vektor dukungan dan k-algoritma terdekat, masing-masing. Klasifikasi terburuk diamati untuk pasien dari kelompok dengan ukuran sampel kecil, sesuai dengan pasien dengan defisit kognitif berat. Sedangkan untuk kelompok yang tersisa untuk diagnosis yang akurat diperlukan untuk merencanakan perawatan kesehatan di masa depan, klasifikasi sangat akurat.
      

Kesimpulan: T hasil ini menunjukkan bahwa fitur EEG dihitung dari modalitas eksplorasi praktek klinis harian di-bahwa itu tidak ada, tersedia di mana saja, dan membutuhkan kerjasama minimal dari pasien-dapat digunakan sebagai metode skrining untuk mengidentifikasi keparahan gangguan kognitif pada pasien dengan penyakit Parkinson.
      

Download Jurnal Disini

Tags: