PARKINSON’S DISEASE DETECTION USING DEEP LEARNING BASED ON VOICE RECORDING

Abstract

ABSTRACT

Parkinson's disease is a neurological disorder that hampers essential functions of the nervous system, causing difficulties in speech, writing, and balance. To automatically diagnose Parkinson's, machine learning techniques have been explored, such as analyzing acoustic signals, handwriting, and gaits. This study aims to detect Parkinson's by utilizing spectrogram images from voice recordings through Convolutional Neural Networks (CNN).

Using a private dataset from the Argentina database, consisting of recordings from 55 Parkinson's patients (24 female and 31 male) and 71 non-Parkinson individuals, this research made significant contributions. Various audio preprocessing operations were performed, including splitting the audio into 2-second segments, oversampling, adding Gaussian noise, pitch shifting, and separating harmonic components. These techniques augmented the dataset to 1400 audio samples. The audio samples were then converted into spectrogram images for training the model.

The model underwent 150 epochs of training, resulting in an Average Training Accuracy of 99.3% and an Average Testing Accuracy of 97.9% using k-fold (k=10) cross-validation. In comparison to five state-of-the-art models (VGG16, ResNet50, Inception V3, SqueezeNet, AlexNet), as well as local binary pattern descriptors, on the same dataset, the proposed model showcased its superiority through the obtained results.

ÖZET

Parkinson hastalığı, sinir sisteminin temel işlevlerini engelleyen, konuşma, yazma ve dengede zorluklara neden olan nörolojik bir hastalıktır. Parkinson hastalığını otomatik olarak teşhis etmek için akustik sinyalleri, el yazısını ve yürüyüşleri analiz etmek gibi makine öğrenimi teknikleri araştırıldı. Bu çalışma, Konvolüsyonel Sinir Ağları (CNN) aracılığıyla ses kayıtlarından alınan spektrogram görüntülerinden yararlanarak Parkinson hastalığını tespit etmeyi amaçlamaktadır.

55 Parkinson hastası (24 kadın ve 31 erkek) ve 71 Parkinson olmayan bireyin kayıtlarından oluşan Arjantin veri tabanından özel bir veri seti kullanan bu araştırma önemli katkılar sağlamıştır. Sesi 2 saniyelik bölümlere ayırma, yüksek hızda örnekleme, Gauss gürültüsü ekleme, perde kaydırma ve harmonik bileşenleri ayırma dahil olmak üzere çeşitli ses ön işleme işlemleri gerçekleştirildi. Bu teknikler veri setini 1400 ses örneğine genişletti. Ses örnekleri daha sonra modeli eğitmek için spektrogram görüntülerine dönüştürüldü.

Model, k-katlı (k=10) çapraz doğrulama kullanılarak %99,3 Ortalama Eğitim Doğruluğu ve %97,9 Ortalama Test Doğruluğu elde ederek 150 eğitim dönemi geçirdi. Önerilen model, beş son teknoloji model (AlexNet, VGG16, Inception V3, ResNet50, SqueezeNet) ve aynı veri kümesi üzerindeki yerel ikili örüntü tanımlayıcıları ile karşılaştırıldı. Sonuçlar, önerilen modelin üstünlüğünü göstermiştir.