Quito, Ecuador
Hoy en día, la enfermedad de Parkinson (EP) es una de las enfermedades neurodegenerativas más comunes en el mundo después de la enfermedad de Alzheimer. Cerca de 6,2 millones de personas la padecen y se estima que para 2040 el número de enfermos de Parkinson se duplicará. La EP reduce la función motora, por lo que los pacientes sufren disminución del movimiento, rigidez, temblores e incluso la producción de la voz y el habla, incluida la respiración, la articulación y la fonación. Por esta razón, las características de la voz de los pacientes varían en comparación con las personas que no tienen EP. Por ello, buscamos un método que nos permita seleccionar las características de la voz que más inciden en el diagnóstico del paciente. Existen varios métodos para la selección de características y, en nuestro caso, utilizamos algoritmos genéticos (GA). Para validar nuestro enfoque de selección de características, construimos un clasificador SVM en el que se logró la mejor precisión del 88,54 % con 8 características seleccionadas por GA. Palabras clave: Parkinson, Algoritmos de Aprendizaje automático, Algoritmo Genético, SVM.doi: https://doi.org/10.36825/RITI.10.21.013
Today, Parkinson’s Disease (PD) is one of the most common neurodegenerative diseases in the world after Alzheimer’s disease. About 6.2 million people have it and it is estimated that by 2040 the number of Parkinson’s patients will double it. PD reduces motor function, which is why patients suffer from decreased movement, stiffness, tremors and even the voice and speech production including breathing, articulation, and phonation. For this reason, the voice features of patients vary in comparison to people who do not have PD. Therefore, we are looking for a method that allows us to select the features of the voice that affects the most to the patient's diagnosis. There are several methods for feature selection and in our case, we use genetic algorithms (GA). To validate our feature selection approach, we constructed an SVM classifier where the best accuracy of 88.54% was achieved with 8 features selected by GA.Keywords: Parkinson, Machine Learning Algorithms, Genetic Algorithm, SVM. doi: https://doi.org/10.36825/RITI.10.21.013