Modelo de reconhecimento de caligrafia para detectar doença de Parkinson é desenvolvido por adolescentes americanos

Foi publicado um estudo sobre o aprendizado de máquina baseado em um conjunto de algoritmos para detectar a doença de Parkinson.

Os irmãos Tanish Tyagi e Riya Tyagi, moradores de Nova Jersey, nos Estados Unidos, publicaram uma pesquisa sobre o uso de deep learning, baseado no aprendizado de máquina baseado em um conjunto de algoritmos para detectar a doença de Parkinson.

Eles se concentraram na micrografia, condição que diminui o trabalho da letra e acompanha muitos parkinsonianos, comprometendo a comunicação de forma escrita. E utilizaram um machine learning baseado em GPU da NVIDIA para acelerar o processo.

A dupla começou o trabalho de pesquisa há um ano para descobrir um preditor da doença que seus bisavós sofriam. O objetivo era criar um modelo acessível para a população em geral e que conseguisse detectar o mais precocemente possível a enfermidade.

“O trabalho visa aprimorar a previsão de micrografia, realizando análises secundárias de imagens públicas de caligrafia e adotando machine learning de última geração. As descobertas podem ajudar os pacientes a receber diagnóstico e tratamento precoces para melhores resultados de saúde”, afirmou o professor associado do Instituto de Medicina Personalizada da Penn State University, Lijun Zhang, um dos orientadores da pesquisa.

parkinson

Orientação para o estudo

Tanish começou a pesquisar sobre Parkinson no ano passado. Mais tarde, ele ouviu sobre micrografia em uma palestra dos pesquisadores da Penn State University, Ming Wang e Lijun Zhang, sobre Parkinson. Depois disso, Tanish procurou a orientação deles para o trabalho. Curiosamente, Ming Wang já estava trabalhando sobre essa linha de pesquisa com laboratórios do Massachusetts General Hospital.

Em seu artigo, os irmãos Tyagis utilizaram machine learning baseado em GPU da marca NVIDIA para a extração de recursos de características de micrografia.

O conjunto de dados incluiu imagens de código aberto de exames de desenho de 53 pessoas saudáveis e 105 com Parkinson. Foram extraídas diversas características dessas imagens que permitiu a análise dos tremores por escrito.

Saiba mais: Tremor não é sinônimo de doença de Parkinson [vídeo]

Rede neural convolucional para diagnóstico

Os dois irmãos estão trabalhando agora em uma rede neural convolucional com aprendizado de transferência para montar um modelo que pode ser útil para diagnóstico em tempo real.

“Estamos trabalhando no processamento da imagem de um usuário, alimentando-a no modelo e retornando resultados abrangentes para que ele possa realmente entender o diagnóstico que o modelo está fazendo”, explicou Tanish.

No entanto, a dupla primeiro quer aumentar o tamanho de seu conjunto de dados para melhorar a precisão do modelo para que a detecção de Parkinson seja tão fácil que as pessoas possam preencher um formulário de avaliação de caligrafia e enviar para a detecção.

E com um conjunto de dados maior e mais equilibrado, a alta precisão de previsão de 93% pode ficar bem melhor.
“Seria incrível se esse método pudesse ser implantado para o público em geral e usado em ambientes clínicos”, concluiu Tanish.

*Esse artigo foi revisado pela equipe médica da PEBMED

Avaliar artigo

Dê sua nota para esse conteúdo

Selecione o motivo:
Errado
Incompleto
Desatualizado
Confuso
Outros

Sucesso!

Sua avaliação foi registrada com sucesso.

Avaliar artigo

Dê sua nota para esse conteúdo.

Você avaliou esse artigo

Sua avaliação foi registrada com sucesso.

Baixe o Whitebook Tenha o melhor suporte
na sua tomada de decisão.
Referências bibliográficas: Ícone de seta para baixo

Especialidades