• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Medical biometrics >Advances in Detecting Parkinson's Disease
【24h】

Advances in Detecting Parkinson's Disease

机译：帕金森氏病的检测进展

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Diagnosing disordered subjects is of considerable importance in medical biometrics. In this study, aimed to provide medical decision boundaries for detecting Parkinson's disease (PD), we combine genetic programming and the expectation maximization algorithm (GP-EM) to create learning feature functions on the basis of ordinary feature data (features of voice). Via EM, the transformed data are modeled as a Gaussians mixture, so that the learning processes with GP are evolved to fit the data into the modular structure, thus enabling the efficient observation of class boundaries to separate healthy subjects from those with PD. The experimental results show that the proposed biometric detector is comparable to other medical decision algorithms existing in the literature and demonstrates the effectiveness and computational efficiency of the mechanism.
机译：在医学生物特征学中，诊断失调的受试者非常重要。在这项研究中，旨在为检测帕金森氏病（PD）提供医学决策边界，我们结合了遗传程序设计和期望最大化算法（GP-EM），以基于普通特征数据（语音特征）创建学习特征函数。通过EM，将转换后的数据建模为高斯混合模型，从而使具有GP的学习过程得以发展，以使数据适合模块化结构，从而能够有效观察班级界限，从而将健康受试者与PD受试者区分开。实验结果表明，提出的生物特征检测器可与文献中存在的其他医学决策算法相媲美，并证明了该机制的有效性和计算效率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号