ボルド-カルマンオーダーフィルタリングと機械学習アルゴリズムを用いたパーキンソン病検出の新しいアプローチ

要約 パーキンソン病（PD）は、ドーパミン作動性ニューロンの損傷によって引き起こされる二番目に一般的な神経疾患です。したがって、PDの早期自動診断システムを開発することが重要です。この目的のために、PDの自動診断システムの開発に貢献する研究が提示されます。脳波（EEG）信号は、経験的モード分解、変分モード分解、ボルド-カルマンオーダーフィルタリング（VKF）などの適応分解法を用いてサブバンドに分解されました。サブバンド分解信号からさまざまな特徴が抽出され、重要なものはカイ二乗検定によって特定されました。これらの重要な特徴は、サポートベクターマシン（SVM）、フィッチニューラルネットワーク（FNN）、k最近傍法（KNN）、および決定木（DT）といった機械学習（ML）モデルに入力として適用され、分類が行われました。MLモデルの性能を分析するため、精度、感度、特異度、陽性予測値、陰性予測値、F1スコア、偽陽性率、カッパ統計、曲線下面積を取得しました。分類プロセスは、PD ON-HCグループとPD OFF-HCグループの2つのケースで実施されました。この研究で最も成功した方法はVKF方法であり、両方のケースに特定されたアプローチでこの分野で初めて適用されました。両方のインスタンスで、SVMアルゴリズムがMLモデルとして使用され、分類器の性能基準値は100%に近いものでした。この研究で得られた結果は、PDの診断に関する最近の研究の結果と比較して成功しているようです。