Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

1 2025

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Enhancing early Parkinson’s disease diagnosis through handwriting analysis

Ouabd Asma, Jilbab Abdelilah, Benba Achraf, Hammouch Ahmed

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2025

T. 15, nr 3

45--49

Parkinson's disease (PD) is a progressive neurological disorder that affects millions worldwide, leading to motor dysfunction and significant reductions in quality of life. Early diagnosis is pivotal for initiating timely treatment and improving long-term patient outcomes, yet existing diagnostic methods, which often rely on clinical evaluations andimaging, are prone to delays and varying accuracy. This study presents an innovative, non-invasive approach to early PD detection through the analysis of handwriting patterns, offering a potential alternative to traditional diagnostic techniques. Leveraging a publicly available and meticulously normalized handwriting dataset, our approach applies advanced data processing methods to identify subtle neuromotor impairments associated with PD. Through the integration of robust feature selection processes and cutting-edge machine learning models, we achieved a high accuracy rate of 83.02%, highlighting the method’s reliability. The findings suggest that this approach could significantly enhance early PD detection, leading to more personalized therapeutic strategies that align with the stages of disease progression and potentially delaying the onset of severe symptoms.

Choroba Parkinsona (PD) jest postępującą chorobą neurologiczną, która dotyka miliony ludzi na całym świecie, prowadząc do zaburzeń motorycznych i znacznego obniżenia jakości życia. Wczesna diagnoza ma kluczowe znaczenie dla rozpoczęcia leczenia w odpowiednim czasie i poprawy długoterminowych wyników leczenia pacjentów, jednak istniejące metody diagnostyczne, które często opierają się na ocenach klinicznych i obrazowaniu, są podatne na opóźnienia i różną dokładność. W niniejszym badaniu przedstawiono innowacyjne, nieinwazyjne podejście do wczesnego wykrywania PD poprzez analizę wzorców pisma ręcznego, które stanowi potencjalną alternatywę dla tradycyjnych technik diagnostycznych. Wykorzystując publicznie dostępny i skrupulatnie znormalizowany zbiór danych dotyczących pisma ręcznego, w naszym podejściu zastosowano zaawansowane metody przetwarzania danych w celu identyfikacji subtelnych zaburzeń neuromotorycznych związanych z PD. Dzięki integracji solidnych procesów selekcji cechi najnowocześniejszych modeli uczenia maszynowego osiągnęliśmy wysoką dokładność wynoszącą 83,02%, co podkreśla niezawodność tej metody. Wyniki sugerują, że podejście to może znacznie poprawić wczesne wykrywanie PD, prowadząc do bardziej spersonalizowanych strategii terapeutycznych dostosowanych do etapów postępu choroby i potencjalnie opóźniających wystąpienie poważnych objawów.