Computer-Aided Diagnosis of Parkinson’s Disease Using Complex-Valued Neural Networks and mRMR Feature Selection Algorithm

Peker, Musa; Sen, Baha; Delen, Dursun

doi:https://doi.org/10.1260/2040-2295.6.3.281

保健工程杂志

在本页上

摘要工具书类版权相关文章

研究文章|开放式访问

体积6|文章ID493865|https://doi.org/10.1260/2040-2295.6.3.281

基于复值神经网络和mRMR特征选择算法的帕金森病计算机辅助诊断

穆萨·佩克,¹巴哈·森,²和杜松·德伦^三

收到2015年2月1日

认可的2015年6月1日

摘要

帕金森氏病（PD）是一种神经系统疾病，具有重大的社会和经济影响。PD通过临床观察和评估以及PD评级量表进行诊断。然而，这些方法可能是不够的，尤其是在疾病的初始阶段。这些过程既繁琐又耗时，因此需要能够自动提供诊断的系统。本研究提出了一种新的PD诊断方法。从连续发声样本中获得的生物医学声音测量值被用作属性。首先，采用最小冗余最大相关（mRMR）属性选择算法对有效属性进行识别。在转换为复数后，得到的属性作为输入数据提供给复值人工神经网络（CVANN）。提出的新系统可能是有效诊断PD的有力工具。

工具书类

B.E.Sakar、M.E.Isenkul、C.O.Sakar等人，“收集和分析具有多种录音类型的帕金森语音数据集，”IEEE生物医学与健康信息学杂志，第17卷，第4期，第828–834页，2013年。
查看位置：谷歌学者
D.J.Moore、A.B.West、V.L.Dawson和T.M.Dawsen，“帕金森病的分子病理学”神经科学年度回顾2005年，第28卷，第57-87页。
查看位置：谷歌学者
A.Elbaz、J.H.Bower、D.M.Maraganore等人，“帕金森综合征和帕金森病风险表”临床流行病学杂志2002年，第55卷，第25-31页。
查看位置：谷歌学者
M.A.Little、P.E.McSharry、E.J.Hunter和L.O.Ramig，“发音困难测量对帕金森病远程监测的适用性”生物医学工程汇刊第56卷，第1015-1022页，2009年。
查看位置：谷歌学者
C.Ramaker、J.Marinus、A.M.Stiggelbout和B.J.van Hilten，“帕金森病损伤和残疾评定量表的系统评估，”运动障碍2002年，第17卷，第5期，第867–876页。
查看位置：谷歌学者
D.A.Umphred、R.T.Lazaro、M.Roller和G.Burton，《神经康复》爱思唯尔健康科学, 2013.
查看位置：谷歌学者
R.Das和A.Sengur，“心脏瓣膜病综合诊断方法的评估”带应用程序的专家系统2010年，第37卷，第7期，第5110–5115页。
查看位置：谷歌学者
R.Das、I.Turkoglu和A.Sengur，“通过神经网络集成有效诊断心脏病”带应用程序的专家系统，第36卷，第4期，第7675–7680页，2009年。
查看位置：谷歌学者
F.L.Darley、A.E.Aronson和J.R.Brown，“构音障碍的鉴别诊断模式”言语与听力研究杂志第12卷，第246–269页，1969年。
查看位置：谷歌学者
J.Gamboa，F.J.Jimenez-Jimenez，A.Nieto等人，“多巴胺能药物治疗帕金森病患者的声音分析”声音杂志，第11卷，第314–320页，1997年。
查看位置：谷歌学者
A.Ho、J.L.Bradshaw和R.Iansek，“无论好坏：左旋多巴对帕金森病患者言语的影响，”运动障碍2008年，第23卷，第4期，第574-580页。
查看位置：谷歌学者
B.Harel、M.Cannizzaro和P.J.Snyder，“前驱性和早期帕金森病患者讲话时基频的变化：一项纵向案例研究，”大脑与认知第56卷，第24-29页，2004年。
查看位置：谷歌学者
S.Skodda、H.Rinsche和U.Schlegel，“帕金森氏病发作障碍的长期进展——一项纵向研究，”运动障碍，第24卷，第5期，第716–722页，2009年。
查看位置：谷歌学者
S.Sapir、L.Ramig、J.Spielman和C.Fox，“共振峰集中率（FCR）：构音障碍语音新声学测量的建议”言语与听力研究杂志2010年，第53卷，第114-125页。
查看位置：谷歌学者
L.Cnockaert、J.Schoentgen、P.Auzou、C.Ozsancak、L.Defebve和F.Grenez，“帕金森病患者产生的元音中的低频声音调制，”语音通信2008年，第50卷，第288-300页。
查看位置：谷歌学者
B.Shahbaba和R.Neal，“使用Dirichlet过程混合物的非线性模型”机器学习研究杂志第10卷，第1829–1850页，2009年。
查看位置：谷歌学者
R.Das，“帕金森病诊断的多种分类方法的比较”带应用程序的专家系统，第37卷，第2期，第1568–1572页，2010年。
查看位置：谷歌学者
P.F.Guo、P.Bhattacharya和N.Kharma，“帕金森病检测进展”医学生物计量学第6165卷，第306–314页，2010年。
查看位置：谷歌学者
P.Luukka，“使用模糊熵测度和相似分类器进行特征选择”带应用程序的专家系统，第38卷，第4期，第4600-4607页，2011年。
查看位置：谷歌学者
D.C.Li、C.W.Liu和S.C.Hu，“用于特征提取的基于模糊的数据转换，以提高小型医疗数据集的分类性能，”医学中的人工智能2011年，第52卷，第1期，第45-52页。
查看位置：谷歌学者
F.Aström和R.Koker，“预测帕金森病的并行神经网络方法”带应用程序的专家系统2011年，第38卷，第10期，第12470–12474页。
查看位置：谷歌学者
A.A.Spadoto、R.C.Guido、F.L.Carnevali、A.F.Pagnin、A.X.Falcao和J.P.Papa，《通过基于进化的特征选择改进帕金森病的识别》IEEE医学与生物学会工程国际年会论文集（EMBC'11）第7857–7860页，2011年。
查看位置：谷歌学者
K.Polat，“基于模糊c-均值聚类的特征加权法对帕金森病的分类”国际系统科学杂志第43卷，第4期，第597-609页。
查看位置：谷歌学者
M.R.Daliri，“帕金森病诊断步态的奇方距离核”生物医学信号处理与控制2013年，第8卷，第1期，第66-70页。
查看位置：谷歌学者
W.L.Zuo、Z.Y.Wang、T.Liu和H.L.Chen，“使用自适应模糊k近邻方法有效检测帕金森病”生物医学信号处理与控制，第8卷，第4期，第364–373页，2013年。
查看位置：谷歌学者
C.O.Sakar和O.Kursun，“使用发音困难测量进行帕金森病远程诊断”医学系统杂志，第34卷，第4期，第591–599页，2010年。
查看位置：谷歌学者
A.Ozcift和A.Gulten，“使用旋转森林构建分类器集成以提高机器学习算法的医疗诊断性能”生物医学中的计算机方法和程序，第104卷，第3期，第443-451页，2011年。
查看位置：谷歌学者
陈海良、黄建中、余晓刚等，“利用模糊k近邻方法检测帕金森病的有效诊断系统”带应用程序的专家系统2013年，第40卷，第1期，第263-271页。
查看位置：谷歌学者
H.K.Rouzbahani和M.R.Daliri，“利用语音信号诊断人类帕金森病”基础和临床神经科学2011年，第2卷，第3期，第12-20页。
查看位置：谷歌学者
C.Ma，J.Ouyang，H.L.Chen，X.H.Zhao，“医学中使用基于核的极端学习机和减法聚类特征加权方法的帕金森病高效诊断系统，”计算和数学方法, 2014.
查看位置：发布者网站|谷歌学者
A.Khorasani和M.R.Daliri，“基于原始步态数据的帕金森病HMM分类”医学系统杂志，第38卷，第12期，第1-6页，2014年。
查看位置：谷歌学者
M.R.Daliri，“利用步态动力学自动诊断神经退行性疾病”测量2012年，第45卷，第7期，第1729–1734页。
查看位置：谷歌学者
B.Cao、D.Shen、J.T.Sun、Q.Yang和Z.Chen，《核空间中的特征选择》第24届国际机器学习年会第121-128页，2007年。
查看位置：谷歌学者
H.Hijazi和C.Christina，“应用于癌症基因表达谱的分类框架，”保健工程杂志第4卷，第2期，第255-284页。
查看位置：谷歌学者
M.R.Daliri，“使用二进制粒子群优化和支持向量机进行医疗诊断的特征选择”生物技术/生物医学工程2012年，第57卷，第5期，第395-402页。
查看位置：谷歌学者
C.Ding和H.C.Peng，“微阵列基因表达数据的最小冗余特征选择”第二届IEEE计算系统生物信息学会议第523-528页，2003年。
查看位置：谷歌学者
B.Sen、M.Peker、F.V.Celebi和A.Cavusoglu，“使用特征选择和分类算法对基于EEG信号的睡眠阶段分类的比较研究”医学系统杂志，第38卷，第3期，第1-21页，2014年。
查看位置：谷歌学者
M.V.França、G.Zaverucha和a.S.D.a.Garcez，“利用人工神经网络的底子句命题化实现快速关系学习”机器学习，第94卷，第1期，第81–104页，2014年。
查看位置：谷歌学者
R.O.Duda、P.E.Hart和D.G.Stork，模式分类John Wiley&Sons，第二版，2012年。
X.Jin，A.Xu，R.Bie，and P.Guo，“使用SAGE基因表达谱进行癌症分类的机器学习技术和方形特征选择”，in计算机科学课堂讲稿第3916卷，第106–115页，2006年。
查看位置：谷歌学者
A.W.Whitney，“非参数测量选择的直接方法”电气电子工程师学会计算机期刊第20卷，第9期，第1100-1103页，1971年。
查看位置：谷歌学者
P.Pudil、J.Novovičová和J.Kittler，“特征选择中的浮动搜索方法”模式识别字母，第15卷，第11期，第1119-1125页，1994年。
查看位置：谷歌学者
M.Robnik-Sikonja和I.Kononenko，“ReliefF和RRelifF的理论和实证分析”机器学习2003年，第53卷，第1-2期，第23-69页。
查看位置：谷歌学者
M.Ceylan、R.Ceyland、Y.Ozbay和S.Kara，“复离散小波变换在使用复值人工神经网络对多普勒信号分类中的应用”医学中的人工智能2008年，第44卷，第1期，第65-76页。
查看位置：谷歌学者
M.Peker和B.Sen，“使用脑电图信号进行癫痫自动诊断的新型复合值智能系统”AWERProcedia信息技术与计算机科学第1121-1128页，2013年。
查看位置：谷歌学者
R.Ceylan、M.Ceyland、Y.Ozbay和S.Kara，“模糊聚类复合值神经网络诊断肝硬化”带应用程序的专家系统2011年，第38卷，第8期，第9744–9751页。
查看位置：谷歌学者
M.Sivachitra等人，“用于实际值分类问题的全复值快速学习分类器（FC-FLC），”神经计算第149卷，第198-206页，2015年。
查看位置：谷歌学者
O.Shogo、Y.Arima和A.Hirose，“使用复值自组织映射进行毫米波安全成像，以可视化移动目标，”神经计算第134-247页，2014年。
查看位置：谷歌学者
B.Karthikeyan、S.Gopal和M.Vimala，“使用多种输入对局部放电模式进行分类的复杂概率神经网络系统的概念，”带应用程序的专家系统2005年，第29卷，第4期，第953-963页。
查看位置：谷歌学者
M.Peker、B.Sen和D.Delen，“使用复合值分类器自动诊断癫痫的新方法”IEEE生物医学与健康信息学杂志, 2015.
查看位置：发布者网站|谷歌学者
X.Chen、Z.Tang、C.Variappan、S.Li和T.Okada，“复值神经网络的修正误差反向传播算法”国际神经系统杂志2005年，第15卷，第6期，第435-443页。
查看位置：谷歌学者
I.Aizenberg，“具有多值神经元的复杂值神经网络”海德堡：施普林格，第264–265页，2011年。
查看位置：谷歌学者
T.Nitta，“复值神经网络中决策边界的正交性”神经计算2004年，第16卷，第1期，第73-97页。
查看位置：谷歌学者
H.G.Zimmermann、A.Minin和V.Kusherbaeva，“用梯度下降和随机搜索算法训练的复值和实值神经网络的比较”欧洲人工神经网络、计算智能和机器学习（ESANN）研讨会第2013-2018页，2011年。
查看位置：谷歌学者
N.Benvenuto和F.Piazza，“关于复杂反向传播算法，”IEEE信号处理汇刊第40卷，第967–969页，1992年。
查看位置：谷歌学者
T.Nitta，“反向传播算法对复数的扩展”神经网络第10卷，第1391-1415页，1997年。
查看位置：谷歌学者
Y.Ozbay、S.Kara、F.Latifoglu、R.Ceylan和M.Ceyland，“多普勒信号分类的复值小波人工神经网络”医学中的人工智能2007年，第40卷，第2期，第143–156页。
查看位置：谷歌学者
T.Nitta，“复数神经网络的反向传播算法”，in1993年国际神经网络联合会议论文集第1649-1652页，1993年。
查看位置：谷歌学者
“帕金森氏症数据集”，2014年9月5日访问，https://archive.ics.uci.edu/ml/datasets/Parkinsons网站.
查看位置：谷歌学者
J.Cohen，“名义尺度的一致系数”教育和心理测量第20卷，第1期，第37–46页，1960年。
查看位置：谷歌学者
Y.Zhang，X.Zhanng，W.Liu等人，“使用多维特征提取和多核模糊支持向量机的自动睡眠分期”保健工程杂志，第5卷，第4期，第505–520页，2014年。
查看位置：谷歌学者
R.Forsati、A.Moayedikia、R.Jensen、M.Shamsfard和M.R.Meybodi，“丰富蚁群优化及其在特征选择中的应用”神经计算第142卷，第354–371页，2014年。
查看位置：谷歌学者
L.Y.Chuang、C.H.Yang和J.C.Li，“基于二进制粒子群优化的特征选择混沌映射”应用软计算2011年，第11卷，第1期，第239-248页。
查看位置：谷歌学者
C.Lian、S.Ruan和T.Denœux，“基于特征选择和两步分类策略的证据分类器，”模式识别2015年，第48卷，第7期，第2318-2327页。
查看位置：谷歌学者
S.P.Moustakidis和J.B.Theocharis，“SVM-FuzCoC：一种使用模糊互补准则的基于SVM的新特征选择方法”模式识别2010年，第43卷，第11期，第3712–3729页。
查看位置：谷歌学者
R.Hänsch和O.Hellwich，“复值神经网络对极化SAR数据的分类”，inISPRS地理空间信息高分辨率地球成像研讨会第4-7页，2009年。
查看位置：谷歌学者
I.Psorakis、T.Damoulas和M.A.Girolma，“多类相关向量机：稀疏性和准确性”IEEE神经网络汇刊2010年，第21卷，第10期，第1588–1598页。
查看位置：谷歌学者
M.F.Amin、M.M.Islam和K.Murase，“用于分类任务的单层复杂值神经网络集成”神经计算，第72卷，第10期，第2227–2234页，2009年。
查看位置：谷歌学者

版权

PDF格式下载引文订购打印副本

意见

1711

下载

2241

引文