• ETRI Journal
• /
• 제39권6호
• /
• pp.851-858
• /
• 2017

Parkinson's disease is a growing and chronic movement disorder, and its diagnosis is difficult especially at the initial stages. In this paper, movement characteristics extracted by a computer using multilayer back propagation neural network mapping are converted to the symptoms of this disease. Then, modulation of three classifiers of C4.5, k-nearest neighbors, and support vector machine with majority voting are applied to support experts in diagnosing the disease. The purpose of this study is to choose appropriate characteristics and increase the accuracy of the diagnosis. Experiments were performed to demonstrate the improvement of Parkinson's disease diagnosis using this method.

• 대한임베디드공학회논문지
• /
• 제17권1호
• /
• pp.19-24
• /
• 2022

Through the development and dissemination of embedded devices, studies that may help patients are rapidly emerging. Recently, as wearable devices have become one of the ways to diagnose diseases in daily life, they are being studied as a way to assist severely ill patients to lead their daily lives. Among them, a method of detecting and giving signals to detect and solve symptoms using acceleration sensors to diagnose Parkinson's disease is being studied, and there is no study to measure and analyze various factors that can affect Parkinson's disease. To solve them, we designed and developed a wearable device, P-Band, with various sensors capable of diagnosing related symptoms, including acceleration sensors capable of diagnosing Parkinson's disease. In this paper, the overall structure of the P-Band and the description and operation method of the measurable sensors are presented. In addition, it was confirmed that the symptoms of Parkinson's patients could be determined complexly through the results measured in actual patients.

• 디지털융복합연구
• /
• 제19권12호
• /
• pp.353-358
• /
• 2021

노년기에 접어들면서 알츠하이머 다음으로 흔한 퇴행성 뇌 질환은 파킨슨병이다. 파킨슨병의 증상은 손 떨림, 행동의 느려짐, 인지기능의 저하 등 일상생활의 삶의 질을 저하시키는 요인이 된다. 파킨슨병은 조기진단을 통하여 병의 진행 속도를 늦출 수 있는 질환이다. 파킨슨병의 조기진단을 위해 오디오 음성 파일 입력으로 wav2vec을 이용하여 특징을 추출하고 딥러닝(ANN)으로 파킨슨병의 유무를 진단하는 알고리즘을 구현하였다. 오디오 음성 파일을 이용하여 파킨슨병을 진단하는 실험 결과 정확도는 97.47%로 나타났다. 기존의 뉴럴네트워크를 이용하여 파킨슨병을 진단하는 결과보다 좋은 결과를 나타냈다. 오디오 음성 파일을 wav2vec 이용으로 간단하게 실험을 과정을 줄일 수 있었으며, 실험 결과 향상된 결과를 얻을 수 있었다.

• 한국음향학회지
• /
• 제38권3호
• /
• pp.308-313
• /
• 2019

노년기 3대 질환 중 하나인 파킨슨병은 환자의 70 % 이상이 음성 장애를 앓고 있으며 최근 음성 신호를 통한 파킨슨병의 진단 방법들이 고안되고 있다. 본 논문에서는 음성 특징을 이용한 심층 잔류 순환 신경망 기반의 파킨슨병 진단 방식을 제안한다. 제안하는 방식에서는 파킨슨병 진단을 위한 음성 특징을 선택하고 이를 심층 잔류 순환 신경망에 적용하여 파킨슨병 환자를 식별한다. 제안하는 심층 잔류 순환 신경망은 심층 순환 신경망에 잔류 학습 방식을 결합한 알고리즘으로 파킨슨병 진단에서 기존의 식별 알고리즘보다 더 높은 인식률을 보인다.

• 센서학회지
• /
• 제32권6호
• /
• pp.378-385
• /
• 2023

Human biosignals provide essential information for diagnosing diseases such as dementia and Parkinson's disease. Owing to the shortcomings of current clinical assessments, noninvasive solutions are required. Machine learning (ML) on wearable sensor data is a promising method for the real-time monitoring and early detection of abnormalities. ML facilitates disease identification, severity measurement, and remote rehabilitation by providing continuous feedback. In the context of wearable sensor technology, ML involves training on observed data for tasks such as classification and regression with applications in clinical metrics. Although supervised ML presents challenges in clinical settings, unsupervised learning, which focuses on tasks such as cluster identification and anomaly detection, has emerged as a useful alternative. This review examines and discusses a variety of ML algorithms such as Support Vector Machines (SVM), Random Forests (RF), Decision Trees (DT), Neural Networks (NN), and Deep Learning for the analysis of complex clinical data.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권10호
• /
• pp.421-428
• /
• 2014

파킨슨병은 뇌의 흑질 영역에서 도파민계 신경이 파괴되는 질병으로 알츠하이머병과 함께 대표적인 퇴행성 뇌 질환이다. 현재까지 병을 완치시킬 수 있는 치료법은 없지만 병의 진행을 완화시킬 수 있는 치료법이 존재하기 때문에 병의 진단이 굉장히 중요하다. 파킨슨병을 진단하기 위한 과거의 연구는 대부분 단일 바이오마커를 이용한 것으로 이러한 방법은 파킨슨병 환자를 높은 정확도로 진단할 수 있지만 정상인에 대한 진단은 상대적으로 낮은 성능의 한계성이 존재한다. 따라서 본 연구에서는 생화학적 바이오마커인 뇌척수액 내의 ${\alpha}$-synuclein 단백질 수치와 영상학적 바이오마커인 확산 텐서 영상의 여러 모수들을 결합하여 특징으로 사용하는 파킨슨병 진단 모델을 개발하고 성능을 평가하였다. 진단을 위해 개발된 모든 모델은 10-fold cross validation 성능평가에서 정확도가 최고 91.3%의 높은 성능을 보였으며, test 성능평가에서는 확산 텐서 영상의 모수들 중 FA와 ${\alpha}$-synuclein 단백질 수치가 결합된 모델, MO와 ${\alpha}$-synuclein 단백질 수치가 결합된 두 모델에서 최고 72%의 정확도 성능을 보여 파킨슨병의 진단에 유용하게 사용될 수 있는 가능성을 제시하였다. 파킨슨병의 진단을 위해 개발된 모델의 영상학적 특징 벡터를 통하여 파킨슨병 환자와 정상인의 신경섬유 경로의 특징을 분석하였다.

• 대한의용생체공학회:의공학회지
• /
• 제36권4호
• /
• pp.103-108
• /
• 2015

Discrimination of Parkinson's disease (PD) from Essential tremor (ET) is often misdiagnosed in clinical practice. Since tremor is time-varying signal, and dominant and harmonic frequencies are shown in tremor only with moderate or severe symptom, there are some limitations to use frequency related features. Moreover, patients with PD or ET can suffer from both resting tremor and postural tremor. In this study, 28 patients with PD and 17 patients with ET were enrolled. Tremor was measured with accelerations on the more affected hand during resting and postural conditions. The ratio of root mean square (RMS) of resting tremor to RMS of postural tremor, the mean coefficients of autocorrelation function (ACF), and the mean of differences of two adjacent coefficients of ACF at resting and postural were calculated and compared between PD and ET. The performance showed 98% accuracy with support vector machine and leave-one-out cross validation. In addition, the method accurately differentiated the patients with tremor-dominant PD from patients with ET, with 100% accuracy. Therefore, the developed algorithm can assist clinicians in diagnosing and categorizing patients with tremor, especially, patients with mild symptom or the early stage of a disease, for proper treatment.

• 한국의학물리학회지:의학물리
• /
• 제14권4호
• /
• pp.268-278
• /
• 2003

목 적 : $^{123}$ I IPT SPECT에서 선조체 섭취율(specific striatal binding ratio: SBR)과 미상핵과 전$.$후 조가비핵의 비(anterior/posterior ratio： APR)를 측정하기 위해 육안적인 방법으로 설정한 수동 관심영역설정 방법과 MR template을 영상 융합하여 해부학적 영상을 기준으로 관심영역을 설정하는 방법에서 수동방법과 영상 융합 방법간 차이의 유의성과 분석 그룹간의 유의성과 재현성을 분석하고자 한다. 대상 및 방법： Early parkinson군 17명(남/녀：8/9, 56.6$\pm$10.8세)과 severe parkinson군 13명(남/녀：8/5, 56.4$\pm$11.1세), 정상인 11명(남/녀：7/4, 57.8$\pm$14.4세)을 대상으로 $^{123}$ I IPT 259 MBq을 정맥 주사한 후 얻은 $^{123}$ I IPT SPECT 영상에서 수동 ROI와 영상융합방법에 의한 ROI를 설정하였다. 영상융합방법에 의한 자동 관심영역 설정방법은 NMI 방법으로 $^{123}$ I IPT SPECT와 MNI T1 template를 영상 융합하여 midthalamic level에서 선조체의 경계를 따라 하부조직을 7개의 관심영역으로 구분하여 SBR과 APR을 측정하고 수동방법으로 측정한 SBR과 APR과 통계적 유의성을 분석하였다. 결 과：수동 관심영역 설정방법과 자동 관심영역 설정방법에 의한 두 분석 방법간 비교에서 SBR은 정상인 그룹(r=0.853, P=0.001), early parkinson군(H＆Y stage I, II) (r=0.841, P=0.000), severe parkinson군(H＆Y stage III, IV) (r=702, P=0.007) 모두에서 유의한 상관관계를 보였으나 APR은 early parkinson군에서만 유의한 상관관계(r=0.720, P=0.001)를 보였고 정상인(r=0.567, P=0.069), severe parkinson군(r=0.413, P=0.161)로 유의한 상관관계를 보이지 않았다. 분석그룹간 비교에서 수동 관심영역 설정방법에서 정상인과 early parkinson군(P=0.000), 정상인과 severe parkinson군(P=0.000), early parkinson군과 severe parkinson군(P=0.013) 모두 유의한 결과를 보였고, 자동 관심영역 설정방법에서 정상인과 early parkinson군(P=0.000), 정상인과 severe parkinson군(P=0.000), early parkinson군과 severe parkinson군(P=0.003)에서는 유의한 결과를 보였다. APR은 수동 관심영역 설정방법에서는 분석그룹간에 유의한 차이를 보이지 않았다(정상인과 early parkinson군：P=0.316, 정상인과 severe parkinson군：P=0.256, early parkinson군과 severe parkinson군：P=0.969). 자동 관심영역 설정방법에서는 정상인과 early parkinson군(P=0.038), 정상인과 severe parkinson군(P=0.027)에서는 유의한 결과를 보였으나 early parkinson군과 severe parkinson군에서는 유의한 결과를 보이지 않았다(P=0.948). 재현성은 CV값으로 자동 관심영역 설정방법이 7.2%, 수동 관심영역 설정방법이 31%로 자동 관심영역 설정방법의 재현성이 4.3배 높았다. 결 론：$^{123}$ I IPT SPECT영상에서 SBR과 APR의 측정이 해부학적 표준영상인 T1 template를 기준으로 영상 융합하여 선조체와 하부조직을 미상핵과 조가비핵 전측과 후측으로 구분하여 섭취율을 측정하는 방법이 수동으로 관심영역을 설정하여 분석하는 방법보다 통계적으로 유의하고 재현성 있는 결과를 보였다.