The application of convolutional neural networks in the diagnosis of Parkinson’s disease on the basis of handwriting samples

• Autorzy: Białek Kamila , Jakubowski Jacek , Potulska-Chromik Anna , Nojszewska Monika , Kostera-Pruszczyk Anna

Identyfikatory

DOI

10.15199/48.2024.04.53

Warianty tytułu

PL

Zastosowanie konwolucyjnych sieci neuronowych w rozpoznawaniu choroby Parkinsona na podstawie próbek pisma

• Języki publikacji: EN

Abstrakty

EN

The article presents an attempt to use a convolutional neural network to recognize Parkinson's disease on the basis of handwriting images recorded using a graphics tablet. Based on studies with participation of healthy subjects and patients with Parkinson's disease, the overall accuracy of 85.4% of the sick-healthy binary classification was achieved.

PL

Artykuł przedstawia próbę wykorzystania konwolucyjnej sieci neuronowej do rozpoznawania choroby Parkinsona na podstawie obrazów pisma zarejestrowanych za pomocą tabletu graficznego. Na podstawie badań z udziałem osób zdrowych i pacjentów z chorobą Parkinsona uzyskano całkowitą dokładność klasyfikacji binarnej chory-zdrowy na poziomie 85.4%.

Słowa kluczowe

EN

convolutional neural network; neural network; Parkinson’s disease; diagnostics; handwriting

PL

konwolucyjna sieć neuronowa; sieć neuronowa; choroba Parkinsona; diagnostyka; pismo odręczne

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 4
• Strony: 261--264
• Opis fizyczny: Bibliogr. 25 poz., rys., tab.

Twórcy

autor

Białek Kamila

• Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

autor

Jakubowski Jacek

• Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

autor

Potulska-Chromik Anna

• Warszawski Uniwersytet Medyczny, Klinika Neurologii, ul. Banacha 1a, 02-097 Warszawa

autor

Nojszewska Monika

• Warszawski Uniwersytet Medyczny, Klinika Neurologii, ul. Banacha 1a, 02-097 Warszawa

autor

Kostera-Pruszczyk Anna

• Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa

Bibliografia

• [1] Statistics. (n.d.). Parkinson’s Foundation. Retrieved October 6, 2022, from https://www.parkinson.org/understanding-parkinsons/statistics
• [2] Massano J., Bhatia K. P., Clinical approach to Parkinson's disease: features, diagnosis, and principles of management, Cold Spring Harbor perspectives in medicine, 2.6(2012)
• [3] Van Galen G. P., Handwriting: Issues for a psychomotor theory, Human movement science, 10.2-3(1991), 165-191
• [4] Shukla A. W., Ounpraseuth S., Okun M. S., Gray V., Schwankhaus J., Metzer W. S., Micrographia and related deficits in Parkinson's disease: a cross-sectional study, BMJ open, 2.3(2012).
• [5] Bajaj N. P. S., Wang L., Gontu V., Grosset D. G., Bain P. G., Accuracy of subjective and objective handwriting assessment for differentiating Parkinson’s disease from tremulous subjects without evidence of dopaminergic deficits (SWEDDs): an FP-CIT-validated study, Journal of neurology, 259.11(2012), 2335- 2340
• [6] Mergl R., Tigges P., Schröter A., Möller H. J., Hegerl U., Digitized analysis of handwriting and drawing movements in healthy subjects: methods, results and perspectives, Journal of neuroscience methods, 90.2(1999), 157-169
• [7] Teulings H. L., Stelmach G. E., Force amplitude and force duration in parkinsonian handwriting, Tutorials in motor neuroscience, Springer, Dordrecht, (1991), 149-160
• [8] Teulings H. L., Stelmach G. E., Signal-to-Noise Ratio of Handwriting Size, Force, and Time: Cues to Early Markers of Parkinson’s Disease?, Sensorimotor impairment in the elderly, Springer, Dordrecht, (1993), 311-327
• [9] Ponsen M. M., Daffertshofer A., Wolters E. C., Beek P. J., Berendse H. W., Impairment of complex upper limb motor function in de novo Parkinson's disease, Parkinsonism & Related Disorders, 14.3(2008), 199-204
• [10] Smits E. J., Tolonen A. J., Cluitmans L., van Gils M., Conway B. A., Standardized handwriting to assess bradykinesia, micrographia and tremor in Parkinson's disease, PloS one, 9.5(2014)
• [11] Yu N. Y., Van Gemmert A. W., Chang S. H., Characterization of graphomotor functions in individuals with Parkinson’s disease and essential tremor, Behavior research methods, 49.3(2017), 913-922
• [12] Drotár P., Mekyska J., Rektorová I., Masarová L., Smékal Z., & Faundez-Zanuy M., Analysis of in-air movement in handwriting: A novel marker for Parkinson's disease, Computer methods and programs in biomedicine, 117.3(2014), 405-411
• [13] Drotár P., Mekyska J., Rektorová I., Masarová L., Smékal Z., Faundez-Zanuy M., Decision support framework for Parkinson’s disease based on novel handwriting markers, IEEE Transactions on Neural Systems and Rehabilitation Engineering, 23.3(2014), 508-516
• [14] Drotár P., Mekyska J., Rektorová I., Masarová L., Smékal Z., Faundez-Zanuy M., Evaluation of handwriting kinematics and pressure for differential diagnosis of Parkinson's disease, Artificial intelligence in Medicine, 67(2016), 39-46
• [15] Impedovo D., Pirlo G., Vessio G., Dynamic handwriting analysis for supporting earlier Parkinson’s disease diagnosis, Information, 9.10(2018), 247
• [16] Van Gemmert A. W. A., Adler C. H., Stelmach G. E., Parkinson’s disease patients undershoot target size in handwriting and similar tasks, Journal of Neurology, Neurosurgery & Psychiatry, 74.11(2003), 1502-1508
• [17] Rosenblum S., Samuel M., Zlotnik S., Erikh I., Schlesinger I., Handwriting as an objective tool for Parkinson’s disease diagnosis, Journal of neurology, 260.9(2013), 2357-2361
• [18] Moetesum M., Siddiqi I., Vincent N., Cloppet F., Assessing visual attributes of handwriting for prediction of neurological disorders—A case study on Parkinson’s disease, Pattern Recognition Letters, 121(2019), 19-27
• [19] Naseer A., Rani M., Naz S., Razzak M. I., Imran M., Xu G., Refining Parkinson’s neurological disorder identification through deep transfer learning, Neural Computing and Applications, 32.3(2020), 839-854
• [20] Galaz Z., Drotar P., Mekyska J., Gazda M., Mucha J., Zvončák V., Smekal Z., Faundez-Zanuy M., Castrillon R., Orozco Arroyave J. R., Rapcsak S., Kincses T., Brabenec L., Rektorova I., Comparison of CNN-Learned vs. Handcrafted Features for Detection of Parkinson’s Disease Dysgraphia in a Multilingual Dataset, Frontiers in Neuroinformatics, 35(2020)
• [21]Mekyska J., Smekal Z., Drotar P., Masarova L., Rektorova I., Faundez-Zanuy M. Parkinson’s Disease Handwriting Database (PaHaW)
• [22] Bengio Y., LeCun Y., Hinton G., Deep Learning, Nature, 251(2015),436-444
• [23] LeCun Y., Bengio Y., Convolutional networks for images, speech and time series, The Handbook of Brain Theory and Neural Networks, MIT Press, Massachusetts, (1995)
• [24] Osowski, S., Sieci neuronowe do przetwarzania informacji. Warsaw, Poland: Oficyna Wydawnicza Politechniki Warszawskiej, (2000)
• [25] Krizhevsky A., Sutskever I., Hinton G. E., Imagenet classification with deep convolutional neural networks, NIPS Proceedings, 25(2012), 1106-1114

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).