Please use this identifier to cite or link to this item: https://ir.swu.ac.th/jspui/handle/123456789/25010
ชื่อเรื่อง: การวิเคราะห์รูปแบบการเขียนในผู้ป่วยพาร์กินสันด้วยการเรียนรู้ของเครื่องจักร
ชื่อเรื่องอื่นๆ: Handwriting analysis in patients with parkinson's disease using machine learning
Advisor : สุชาดา ตันติสถิระพงษ์
ผู้แต่ง: ณิชากรณ์ กราฟ คูเชมบัค
ปิยกาญน์ ทิจะยัง
Keywords: การเรียนรู้ของเครื่องจักร
อาการสั่น
การเขียนลายมือ
โรคพาร์กินสัน
วันที่เผยแพร่: 2564
สำนักพิมพ์: ภาควิชาวิศวกรรมชีวการแพทย์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ
Abstract(TH): โรคพาร์กินสัน เป็นโรคเกี่ยวกับระบบประสาท ซึ่งส่วนใหญ่มักพบในผู้สูงอายุ โดยอาการทั่วไปที่พบได้ในผู้ป่วยโรคพาร์กินสัน ได้แก่ ความถดถอยของรูปแบบการเขียน อันเป็นผลมาจากการสั่นเกร็งของกล้ามเนื้อบริเวณแขน และมือ ซึ่งทำให้ไม่สามารถควบคุมการเขียนได้อย่างต่อเนื่อง ในปัจจุบันมีการใช้ลายมือการเขียน มาทดสอบการประเมินทางคลินิก โดยการให้คะแนนจากรูปแบบงานเขียนที่ได้รับจากผู้เข้ารับการตรวจวินิจฉัย แต่วิธีนี้เป็นวิธีที่ต้องใช้แพทย์ผู้เชี่ยวชาญ รวมถึงใช้เวลานาน ผู้ป่วยอาจเข้าถึงการรักษาที่ล่าช้า ส่งผลให้อาการของโรครุนแรงขึ้น ดังนั้น โครงงานนื้จึงได้เสนอการวิเคราะห์รูปแบบการเขียนของผู้ป่วยพาร์กินสันผ่านการเรียนรู้ของเครื่องจักร โดยมีการนำเข้าฐานข้อมูล และลายมือของอาสาสมัครทั้งคนที่มีสุขภาพดี และผู้ป่วยพาร์กินสัน จากฐานข้อมูลที่มีชื่อว่า The Parkinson's Disease Handwriting Database (PaHaW) ของเว็บไซต์ BDALab มาวิเคราะห์ข้อมูล สอนเครื่องจักรให้เรียนรู้ และจดจำรูปแบบพารามิเตอร์ของอาสาสมัครที่เป็นพาร์กินสัน และไม่เป็นพาร์กินสัน โดยการเอาข้อมูลที่ได้สกัดลักษณะเด่น เช่น พลังงานจลน์ เอนโทปี นำไปคัดเลือกลักษณะเด่นที่เหมาะกับการนำมาใช้คัดกรองผู้ป่วยพาร์กินสัน ผ่านขั้นตอนการคัดเลือกลักษณะเด่น ได้แก่ การคัดเลือกลักษณะเด่นด้วยเทคนิค Mann-Whitney U test, mRMR และ Relief algorithm แล้วจึงทำการหากลุ่ม จากการทดลองพบว่าเทคนิคการเลือกลักษณะเด่น Relief algorithm จะทำให้ได้ลักษณะเด่นที่เหมาะสมที่สุด เมื่อนำไปใช้ร่วมกับการจำแนกประเภทแบบ Decision Tree ซึ่งให้ผลการจำแนกประเภทผู้ป่วยพาร์กินสัน และคนที่มีสุขภาพดีได้แม่นยำถึง 86.67%
บทคัดย่อ: Parkinson's disease is a nervous system disorder generally found in the elderly. A common symptom exhibiting in Parkinson’s patients is a deterioration of handwriting caused by slowing of movement and feelings of muscle stiffness in hands and fingers of the patients. Recently, handwriting has been used for clinical assessment based on standard scoring by medical professionals. However, this method requires expertise and is labor intensive. Therefore, machine learning is used to analyze handwriting signals. In our project, we use the database called “the Parkinson's Disease Handwriting Database (PaHaW)” provided by the BDALab. It contains handwriting datasets of healthy and Parkinson's patient. The handwriting signals were quantified by using feature extraction methods such as such as kinematic analysis, entropy, pressure analysis, power spectral density. To select the relevant features Mann-Whitney U test mRMR and relief algorithm were applied prior to the decision tree classification. The proposed classification system can identify Parkinson's patients from healthy participants with an accuracy of 86.67%.
URI: https://ir.swu.ac.th/jspui/handle/123456789/25010
Appears in Collections:BioEng-Senior Projects

Files in This Item:
File Description SizeFormat 
Eng_Nichakorn_G.pdf
  Restricted Access
44.97 MBPDFView/Open Request a copy


Items in SWU repository are protected by copyright, with all rights reserved, unless otherwise indicated.