Classification of voice signals to aid in the diagnosis of Parkinson’s disease
DOI:
https://doi.org/10.5335/rbca.v15i2.13556Keywords:
Machine learning, K-fold cross validation, parkinson's disease, random ForestAbstract
The Parkinson’s disease is a neurodegenerative illness which impairs motor and speech skills, in addition to provoke
behavior, mood and thinking changes. It hits, more usually, the elderly population and its diagnosis is done by a clinical
exam, by the observation of a patient’s symptoms. Since the most notorious symptoms appear in advanced stages of
the disease, which makes the treatment more difficult, and that the world is passing through a process of age pyramid
inversion, the tendency is that the Parkinson will become a global public health issue. Within this context, proposals for
the use of voice signals as a form of early diagnosis of Parkinson’s have been achieving results. This work proposes the
construction of a tool to aid in the diagnosis of Parkinson’s disease using voice signals associated with Machine Learning
techniques. Using a set of data with different attributes extracted from the speech of carriers and non-carriers of the
pathology, an accuracy of 93.8 % was obtained using a Random Forest algorithm and performing a cross-validation with
the k-fold technique.
Downloads
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
