Published June 6, 2021
| Version v1
Publication
Open
End-2-End Modeling of Speech and Gait from Patients with Parkinson's Disease: Comparison Between High Quality Vs. Smartphone Data
Creators
- 1. Friedrich-Alexander-Universität Erlangen-Nürnberg
- 2. Universidad de Antioquia
- 3. Ludwig-Maximilians-Universität München
Description
Parkinson's disease is a neurodegenerative disorder characterized by the presence of different motor impairments. Speech and gait signals have been analyzed to detect the presence of the disease and the severity in patients. However, most studies have been performed in controlled conditions using high quality data, which make those studies not suitable for a continuous at-home evaluation of the state of the patients. The developed technology should be evaluated in more realistic scenarios, for instance using smartphone data. We propose the use of state-of-the-art deep learning techniques to evaluate the speech and gait symptoms of patients. The proposed methods are evaluated in two scenarios to cover both high quality and smartphone data. The results indicate that it is possible to classify patients and healthy subjects with accuracies over 92% in both scenarios. The proposed methods are also promising to evaluate the severity of the speech symptoms and the global motor state of the patients.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
مرض باركنسون هو اضطراب تنكسي عصبي يتميز بوجود إعاقات حركية مختلفة. تم تحليل إشارات الكلام والمشي للكشف عن وجود المرض وشدته لدى المرضى. ومع ذلك، تم إجراء معظم الدراسات في ظروف خاضعة للرقابة باستخدام بيانات عالية الجودة، مما يجعل هذه الدراسات غير مناسبة للتقييم المنزلي المستمر لحالة المرضى. يجب تقييم التكنولوجيا المتقدمة في سيناريوهات أكثر واقعية، على سبيل المثال باستخدام بيانات الهاتف الذكي. نقترح استخدام أحدث تقنيات التعلم العميق لتقييم أعراض الكلام والمشي للمرضى. يتم تقييم الطرق المقترحة في سيناريوهين لتغطية كل من البيانات عالية الجودة وبيانات الهواتف الذكية. تشير النتائج إلى أنه من الممكن تصنيف المرضى والأشخاص الأصحاء الذين لديهم دقة تزيد عن 92 ٪ في كلا السيناريوهين. تعد الطرق المقترحة أيضًا بتقييم شدة أعراض الكلام والحالة الحركية العالمية للمرضى.Translated Description (French)
La maladie de Parkinson est une maladie neurodégénérative caractérisée par la présence de différentes déficiences motrices. Les signaux de parole et de démarche ont été analysés pour détecter la présence de la maladie et la gravité chez les patients. Cependant, la plupart des études ont été réalisées dans des conditions contrôlées à l'aide de données de haute qualité, ce qui rend ces études inadaptées à une évaluation continue à domicile de l'état des patients. La technologie développée devrait être évaluée dans des scénarios plus réalistes, par exemple en utilisant des données de smartphone. Nous proposons l'utilisation de techniques d'apprentissage en profondeur de pointe pour évaluer les symptômes de la parole et de la démarche des patients. Les méthodes proposées sont évaluées dans deux scénarios pour couvrir à la fois les données de haute qualité et celles des smartphones. Les résultats indiquent qu'il est possible de classer les patients et les sujets sains avec une précision supérieure à 92 % dans les deux scénarios. Les méthodes proposées promettent également d'évaluer la gravité des symptômes de la parole et l'état moteur global des patients.Translated Description (Spanish)
La enfermedad de Parkinson es un trastorno neurodegenerativo caracterizado por la presencia de diferentes alteraciones motoras. Se han analizado las señales del habla y de la marcha para detectar la presencia de la enfermedad y la gravedad en los pacientes. Sin embargo, la mayoría de los estudios se han realizado en condiciones controladas utilizando datos de alta calidad, lo que hace que esos estudios no sean adecuados para una evaluación continua en el hogar del estado de los pacientes. La tecnología desarrollada debe evaluarse en escenarios más realistas, por ejemplo, utilizando datos de teléfonos inteligentes. Proponemos el uso de técnicas de aprendizaje profundo de última generación para evaluar los síntomas del habla y la marcha de los pacientes. Los métodos propuestos se evalúan en dos escenarios para cubrir datos de alta calidad y de teléfonos inteligentes. Los resultados indican que es posible clasificar pacientes y sujetos sanos con precisiones superiores al 92% en ambos escenarios. Los métodos propuestos también son prometedores para evaluar la gravedad de los síntomas del habla y el estado motor global de los pacientes.Files
vasquez.pdf.pdf
Files
(286.9 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:77bddfda8c84beaf0216a5988c45c524
|
286.9 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- النمذجة النهائية للكلام والمشي من المرضى الذين يعانون من مرض باركنسون: مقارنة بين بيانات عالية الجودة مقابل بيانات الهاتف الذكي
- Translated title (French)
- Modélisation de bout en bout de la parole et de la démarche des patients atteints de la maladie de Parkinson : comparaison entre les données de haute qualité et celles des smartphones
- Translated title (Spanish)
- Modelado End-2-End del habla y la marcha de pacientes con enfermedad de Parkinson: comparación entre datos de alta calidad frente a datos de teléfonos inteligentes
Identifiers
- Other
- https://openalex.org/W3160329983
- DOI
- 10.1109/icassp39728.2021.9414729
References
- https://openalex.org/W1986400202
- https://openalex.org/W2097651797
- https://openalex.org/W2112648950
- https://openalex.org/W2292526598
- https://openalex.org/W2615874593
- https://openalex.org/W2734974396
- https://openalex.org/W2736024024
- https://openalex.org/W2746624190
- https://openalex.org/W2765693785
- https://openalex.org/W2791610804
- https://openalex.org/W2802816106
- https://openalex.org/W2810618178
- https://openalex.org/W2888348876
- https://openalex.org/W2896710418
- https://openalex.org/W2912689631
- https://openalex.org/W2913575235
- https://openalex.org/W2947600243
- https://openalex.org/W3007148730
- https://openalex.org/W3014902804
- https://openalex.org/W3029657083
- https://openalex.org/W3036599503