The application of sentence sequences in the diagnosis of Parkinson’s disease from handwriting samples using convolutional neural networks

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

Identyfikatory

DOI

10.15199/48.2025.02.03

Warianty tytułu

Zastosowanie sekwencji zdań w rozpoznawaniu choroby Parkinsona na podstawie próbek pisma z wykorzystaniem konwolucyjnych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

This paper presents the application of convolutional neural networks with the aim to recognize Parkinson's disease from handwriting samples. A method to improve binary classification results in disease diagnosis is presented using a series of images representing individual sentences derived from their sequence recording.

PL

W artykule zaprezentowano zastosowanie konwolucyjnych sieci neuronowych do rozpoznawania choroby Parkinsona na podstawie próbek pisma. Przedstawiono metodę poprawy wyników klasyfikacji binarnej w diagnostyce choroby poprzez użycie serii obrazów prezentujących pojedyncze zdania pochodzące z zapisu ich sekwencji.

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: 2025
• Tom: R. 101, nr 2
• Strony: 10--13
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Białek Kamila

• 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

Jakubowski Jacek

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

autor

Nojszewska Monika

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

autor

Kostera-Pruszczyk Anna

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

Bibliografia

• [1] Bloem, B. R., Okun, M. S., & Klein, C. (2021). Parkinson's disease. The Lancet, 397(10291), 2284-2303
• [2] Gaenslen, A., Swid, I., Liepelt‐Scarfone, I., Godau, J., & Berg, D. (2011). The patients' perception of prodromal symptoms before the initial diagnosis of Parkinson's disease. Movement Disorders, 26(4), 653-658
• [3] Teulings, H. L., & Stelmach, G. E. (1991). Force amplitude and force duration in parkinsonian handwriting. In Tutorials in motor neuroscience (pp. 149-160). Dordrecht: Springer Netherlands
• [4] Broderick, M. P., Van Gemmert, A. W., Shill, H. A., & Stelmach, G. E. (2009). Hypometria and bradykinesia during drawing movements in individuals with Parkinson’s disease. Experimental brain research, 197, 223-233
• [5] Broeder, S., Nackaerts, E., Nieuwboer, A., Smits-Engelsman, B. C., Swinnen, S. P., & Heremans, E. (2014). The effects of dual tasking on handwriting in patients with Parkinson’s disease. Neuroscience, 263, 193-202
• [6] Teulings, H. L., & Stelmach, G. E. (1991). Control of stroke size, peak acceleration, and stroke duration in Parkinsonian handwriting. Human Movement Science, 10(2-3), 315-334
• [7] Drotár, P., Mekyska, J., Rektorová, I., Masarová, L., Smékal, Z., & Faundez-Zanuy, M. (2014). Analysis of in-air movement in handwriting: A novel marker for Parkinson's disease. Computer methods and programs in biomedicine, 117(3), 405-411
• [8] Impedovo, D., Pirlo, G., & Vessio, G. (2018). Dynamic handwriting analysis for supporting earlier Parkinson’s disease diagnosis. Information, 9(10), 247
• [9] Rios-Urrego, C. D., Vásquez-Correa, J. C., Vargas-Bonilla, J. F., Nöth, E., Lopera, F., & Orozco-Arroyave, J. R. (2019). Analysis and evaluation of handwriting in patients with Parkinson’s disease using kinematic, geometrical, and non-linear features. Computer methods and programs in biomedicine, 173, 43-52
• [10] Moetesum, M., Siddiqi, I., Vincent, N., & Cloppet, F. (2019). Assessing visual attributes of handwriting for prediction of neurological disorders—A case study on Parkinson’s disease. Pattern Recognition Letters, 121, 19-27
• [11] Diaz, M., Ferrer, M. A., Impedovo, D., Pirlo, G., & Vessio, G. (2019). Dynamically enhanced static handwriting representation for Parkinson’s disease detection. Pattern Recognition Letters, 128, 204-210
• [12] Naseer, A., Rani, M., Naz, S., Razzak, M. I., Imran, M., & Xu, G. (2020). Refining Parkinson’s neurological disorder identification through deep transfer learning. Neural Computing and Applications, 32, 839-854
• [13] Gazda, M., Hireš, M., & Drotár, P. (2021). Multiple-fine-tuned convolutional neural networks for Parkinson’s disease diagnosis from offline handwriting. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 52(1), 78-89
• [14] Osowski, S. (2020). Sieci neuronowe do przetwarzania informacji (wyd. 4). Oficyna Wydawnicza Politechniki Warszawskiej
• [15] Goodfellow, I., Bengio, Y., & Courville, A. (2018). Deep Learning Systemy uczące się. Wydawnictwo Naukowe PWN SA