کاربرد شبکه های عصبی بازگشتی(RNNs)در تشخیص زود هنگام پارکینسون از طریق تحلیل الگوهای گفتاری

بیماری پارکینسون وابسته به زمان است یعنی علائم آن در طول زمان تغییر می کند ، یکی از نشانه های اولیه این بیماری تغییر در ویژگی های صوتی و گفتاری است .مدل (RNN) می تواند روند تغییرات صوتی را دنبال کند و نشانه های اولیه بیمار را حتی زمانی که تغییرات جزئی و کم هستند بررسی و آینده بیمار را پیش بینی کند . شبکه عصبی بازگشتی (RNN) در مسائلی که به حافظه بلند مدت نیاز است نمی تواند خوب عمل کند بنابراین شبکه (LSTM) که نوع خاص و پیشرفته تری از شبکه (RNN) است مورد استفاده قرار می گیرد. مدل LSTM ساز و کارهایی داخلی به نام Gate دارد که اطلاعات را کنترل می کنند ،(کدام داده ها مهم هستند و همچنان باید حفظ شود و کدام یک باید حذف شوند) . همچنین نسبت به نابودی گرادیان مقاوم است ، در بعضی از مسائل طولانی دقت بیشتری نسبت به RNN دارد .با این حال شبکه RNN نقش مهمی در بهبود فرآیند تشخیص زودهنگام بیماری پارکینسون دارد .

کلیدواژه ها:

پارکینسون ، شبکه عصبی ، تشخیص بیماری