Predição do Mal de Parkinson com auxílio de Técnica de Inteligência Computacional: Uma Revisão Sistemática da Literatura
DOI:
https://doi.org/10.53660/CONJ-596-318Palavras-chave:
Inteligência Computacional, Mal de Parkinson, Diagnóstico, Revisão Sistemática da Literatura;Resumo
Ao longo dos anos, foi possível observar o aumento implacável de pessoas diagnosticadas com a doença de Parkinson. No entanto, o correto e precoce diagnóstico ainda é um problema enfrentado por médicos e pacientes, dado que os sintomas iniciais da doença aparecem em média dez anos antes de o diagnóstico ser feito. Portanto, inúmeros estudos têm sido realizados, com outros em andamento, a fim de auxiliar no diagnóstico precoce do Parkinson. Neste estudo, foi realizada uma revisão sistemática da literatura a fim de responder às indagações de pesquisa elaboradas. Esta revisão retornou, como resultado da aplicação dos critérios de inclusão e exclusão, 93 trabalhos a serem analisados. Após a verificação desses estudos, foram obtidas informações relevantes a respeito do entendimento da doença de Parkinson e identificados como o uso de técnicas da inteligência computacional podem ser aplicadas no diagnóstico da doença, dentre estas, é possível citar a Máquina de Vetor de Suporte (SVM) a mais amplamente utilizada para classificação dos dados.
Downloads
Referências
Aich, S., Choi, K., Park, J., & Kim, H. C. (2017). Prediction of parkinson disease using nonlinear classifiers with decision tree using gait dynamics. In Proceedings of the 2017 4th International Conference on Biomedical and Bioinformatics Engineering (pp. 52-57)
Almeida, J. S., Rebouças Filho, P. P., Carneiro, T., Wei, W., Damaševičius, R., Maskeliūnas, R., & de Albuquerque, V. H. C. (2019). Detecting Parkinson’s disease with sustained phonation and speech signals using machine learning techniques. Pattern Recognition Letters, 125, 55-62.
Cai, Z., Gu, J., & Chen, H. L. (2017). A new hybrid intelligent framework for predicting Parkinson’s disease. IEEE Access, 5, 17188-17200.
Drotár, P., Mekyska, J., Rektorová, I., Masarová, L., Smékal, Z., & Faundez-Zanuy, M. (2016). Evaluation of handwriting kinematics and pressure for differential diagnosis of Parkinson's disease. Artificial intelligence in Medicine, 67, 39-46.
El Moudden, I., Ouzir, M., & ElBernoussi, S. (2017). Automatic speech analysis in patients with parkinson's disease using feature dimension reduction. In Proceedings of the 3rd International Conference on Mechatronics and Robotics Engineering (pp. 167-171).
Emrani, S., McGuirk, A., & Xiao, W. (2017). Prognosis and diagnosis of Parkinson's disease using multi-task learning. In Proceedings of the 23rd ACM SIGKDD international conference on knowledge discovery and data mining (pp. 1457-1466).
Fonoff. Dr Erich Fonoff. (2019). Doença de Parkinson. https://www.erichfonoff.com.br/doenca-de-parkinson/.
KITCHENHAM, B. (2007). Procedures for performing systematic reviews.
Lahmiri, S. (2017). Parkinson’s disease detection based on dysphonia measurements. Physica A: Statistical Mechanics and its Applications, 471, 98-105.
Parkinson’s. (2017). Foundation: O que é Parkinson? .https://www.parkinson.org/understanding-parkinsons/what-is-parkinsons.
Passos, L. A., Pereira, C. R., Rezende, E. R., Carvalho, T. J., Weber, S. A., Hook, C., & Papa, J. P. (2018). Parkinson disease identification using residual networks and optimum-path forest. In 2018 IEEE 12th International Symposium on Applied Computational Intelligence and Informatics (SACI) (pp. 000325-000330). Ieee.
Pereira, C. R., Pereira, D. R., Silva, F. A., Masieiro, J. P., Weber, S. A., Hook, C., & Papa, J. P. (2016). A new computer vision-based approach to aid the diagnosis of Parkinson's disease. Computer Methods and Programs in Biomedicine, 136, 79-88.
SPONCHIATO, Diogo. ( 2018). Doença de Parkinson: o que é e quais seus tratamentos e sintomas. https://saude.abril.com.br/medicina/doenca-de-parkinson-o-que-e-e-quais-seus-tratamentos-e-sintomas/.
Wodzinski, M., Skalski, A., Hemmerling, D., Orozco-Arroyave, J. R., & Nöth, E. (2019). Deep learning approach to parkinson’s disease detection using voice recordings and convolutional neural network dedicated to image classification. In 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) (pp. 717-720). IEEE.
Yurdakul, O. C., Subathra, M. S. P., & George, S. T. (2020). Detection of Parkinson’s Disease from gait using Neighborhood Representation Local Binary Patterns. Biomedical Signal Processing and Control, 62, 102070.
Zhang, H., Deng, K., Li, H., Albin, R. L., & Guan, Y. (2020). Deep learning identifies digital biomarkers for self-reported Parkinson's disease. Patterns, 1(3), 100042.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Conjecturas
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
