Parkinson Disease Identification using Residual Networks and Optimum-Path Forest

Autor(es)

Passos, Leandro A. ; Pereira, Clayton R. ; Rezende, Edmar R. S. ; Carvalho, Tiago J. ; Weber, Silke A. T. ; Hook, Christian ; Papa, Joao P. ; IEEE

• Tipo de documento: Artigo Científico
• Fonte: 2018 IEEE 12TH INTERNATIONAL SYMPOSIUM ON APPLIED COMPUTATIONAL INTELLIGENCE AND INFORMATICS (SACI); v. N/A, p. 5-pg., 2018-01-01.

Resumo

Known as one of the most significant neurodegenerative diseases of the central nervous system, Parkinson's disease (PD) has a combination of several symptoms, such as tremor, postural instability, loss of movements, depression, anxiety, and dementia, among others. For the medicine, to point an exam that can diagnose a patient with such illness is challenging due to the symptoms that are easily related to other diseases. Therefore, developing computational methods capable of identifying PD in its early stages has been of paramount importance in the scientific community. Thence, this paper proposes to use a deep neural network called ResNet-50 to learn the patterns and extract features from images draw by patients. Afterwards, the Optimum-Path Forest (OPF) classifier is employed to identify Parkinson's disease automatically, being the results compared against two well-known classifiers, i.e., Support Vector Machines and the Bayes, as well as the ones provided by ResNet-50 itself. The experiments showed promising results concerning OPF, reaching over 96% of identification rate. (AU)

• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 16/21243-7 - Aprendendo Parâmetros de Remoção em Redes Neurais por Convolução
• Beneficiário: Gustavo Henrique de Rosa
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
• Beneficiário: Alexandre Xavier Falcão
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 15/25739-4 - Estudo de Semântica em Modelos de Aprendizado em Profundidade
• Beneficiário: Gustavo Henrique de Rosa
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
• Beneficiário: João Paulo Papa
• Modalidade de apoio: Auxílio à Pesquisa - Regular