Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/37171
metadata.eventos.dc.title: Classificação fuzzy de padrões não-motores e indicação da severidade da Doença de Parkinson
metadata.eventos.dc.creator: Ribeiro, Thiago J.
Borges, Maria T.
Cardoso, Rennan A.
Coelho, Raquel R.
Costa, Sílvia
Leite, Daniel
metadata.eventos.dc.subject: Parkinson's disease
Computational intelligence
Fuzzy clustering
Fuzzy C-Means
Gustafson-Kessel
Doença de Parkinson
Inteligência computacional
Agrupamento Fuzzy
metadata.eventos.dc.date.issued: 2018
metadata.eventos.dc.identifier.citation: RIBEIRO, T. J. et al. Classificação fuzzy de padrões não-motores e indicação da severidade da Doença de Parkinson. In: CONGRESSO BRASILEIRO DE AUTOMÁTICA, 22., 2018, João Pessoa. Anais... [S.l.]: [s.n.], 2018. Não paginado.
metadata.eventos.dc.description.resumo: A doença de Parkinson é uma doença neurodegenerativa relacionada a idade. Cerca de 1% dos indivíduos com idade superior a 65 anos desenvolvem a doença. Pesquisas recentes em detecção incipiente da doença de Parkinson têm apontado como os primeiros indicadores da doença alterações sutis na voz, hiposmia e distúrbios do sono. Este trabalho leva em consideração análises de amplitudes da fala em certas frequências e algoritmos de inteligência computacional para detecção incipiente de padrões não-motores da doença de Parkinson. O grande número de dados e variáveis envolvidas, e a incerteza sobre valores exatos, causam dificuldades e imprecisão à análise especialista. Algoritmos de agrupamento, viz. Fuzzy C-Means e Gustafson-Kessel, foram implementados para análise das características extraídas de uma base de dados disponibilizada pela Universidade de Oxford. Os algoritmos apresentam resultados a respeito da severidade da doença de Parkinson para cada um dos indivíduos considerando a escala UPDRS (Escala Unificada de Avaliação da Doença de Parkinson). Em particular, o algoritmo Gustafson-Kessel tem apresentado melhores resultados em termos de classificações corretas de acordo com níveis de severidade.
metadata.eventos.dc.description.abstract: Parkinson's disease is an age-related neurodegenerative disease. About 1% of individuals over the age of 65 develop the disease. Recent research on incipient Parkinson's disease detection has indicated subtle changes in voice, hyposmia and sleep disorders as the first indicators of the disease. This work considers analyses of speech amplitudes in certain frequencies and computational intelligence algorithms for incipient detection of non-motor patterns of the Parkinson's disease. The large number of data and variables involved and the uncertainty about exact values make expert analyses difficult and imprecise. Clustering algorithms, viz. Fuzzy C-Means and Gustafson-Kessel, were implemented to analyse attributes extracted from a database provided by the University of Oxford. The algorithms have presented results regarding the inference of the severity of the Parkinson's disease for each individual considering the UPDRS (Unified Parkinson's Disease Rating Scale). Particularly, the Gustafson-Kessel algorithm has provided the best results in terms of correct classifications according to severity levels.
metadata.eventos.dc.description.uri: https://plataforma.swge.com.br/PROCEEDINGS/PDF/CBA2018-0432.pdf
metadata.eventos.dc.language: pt_BR
Appears in Collections:DAT - Trabalhos apresentados em eventos

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.