Makine öğrenmesi teknikleri kullanılarak Parkinson hastalığı tespiti ve sınıflandırılması
Makine öğrenmesi teknikleri kullanılarak Parkinson hastalığı tespiti ve sınıflandırılması
Where did the research take place?
The study site has not been established. Author addresses may differ from where the research occurred.
A plain-language reading has not been prepared for this paper yet.
Original abstract
Günümüze kadar birçok hastalık alt dallara ayrılarak farklı isimlendirmeler almıştır. Bunlardan birisi de daha önce titrek felç olarak bilinen Parkinson hastalığıdır. Parkinson hastalığı insanla-rın günlük yaşam kalitesini etkileyen, ruhsal ve fiziki olarak onları kısıtlayan nörolojik bir has-talıktır. Parkinson hastalığı insan beyninde dopamin üreten hücrelerin hasara uğrayarak azal-masıyla ortaya çıkan bir beyin hastalığıdır. Hastalığın belirtileri titreme ve hareket güçlüğü, bazı uzuvlarda karıncalanmalar ve işlev kaybı, uyku bozuklukları, ses ve konuşma bozukluk-ları, depresyon ve düşünme bozuklukları, yüz mimiklerinde kayıplar, kas sertleşmeleri, göz dalması gibi birçok fiziksel bulgulardır. Literatürde Parkinson hastalığın tedavisinde kullanılan veri setleri kişilerin yürüme bozukluklarından, ses ve konuşma sinyallerinden elde edilen fre-kanstan, cümle uzunluğu ile oluşturulmuş konuşma egzersizlerinden, kol salınım frekansı ile edilen değerlerden, el ile çizilen spirallerin karşılaştırılması ile oluşan farklılıklardan ve bunun gibi birçok deneyden oluşturulmuştur. Bu çalışmada UCI makine öğrenmesi arşivinden alınan Parkinson veri seti ile çalışılmıştır. Bu veri setinde ses sinyalleri üzerinde deney yapılmış ve 197 ses kaydı alınmıştır. Veri setinde yer alan 31 kişiden 23 tanesi parkinson hastalığı olan kişilerdir. Yapılan çalışmada sesin temel frekansı, mutlak ses basınç seviyesi, jitter değeri, ko-nuşma genliği, sesin harmonik oranları gibi sese ait öz nitelikler temel alınarak makine öğren-mesi teknikleri kullanılmış ve hastalık tespiti için yöntem geliştirilmiştir. To date, many diseases have been divided into sub-branches and given different names. One of these is Parkinson's disease, previously known as tremor palsy. Parkinson's disease is a neuro-logical disease that affects people's quality of daily life and limits them mentally and physically. Parkinson's disease is a brain disease that occurs when dopamine-producing cells in the human brain are damaged and reduced. Symptoms of the disease are many physical findings such as tremors and difficulty in movement, tingling in some limbs, sleep disorders, voice and speech disorders, depression and thinking disorders, loss of facial expressions, muscle stiffness, and eye strain. The data sets used in the treatment of Parkinson's disease in the literature have been created through many experiments such as the frequency obtained from sample people's wal-king disorders, voice and speech signals, speech exercises created with sentence length, arm oscillation frequency, and comparison of hand-drawn spirals. In this study, the Parkinson data set taken from the UCI machine learning archive was used. In this data set, experiments were conducted on audio signals and 197 audio recordings were taken. 23 of the 31 people in the data set are people with Parkinson's disease. In the study, machine learning techniques were used based on attributes such as fundamental frequency of the sound, absolute sound pressure level, jitter value, speech amplitude, harmonic ratios of the sound, and a method was developed for disease detection.