Skip to content

ferjml97/parkinson_analisis

 
 

Repository files navigation

R Markdown Git Python


Parkinson Análisis


Índice

🔠 Introducción


Parkinson


La enfermedad de Parkinson es una enfermedad progresiva del sistema nervioso que afecta el movimiento.
Los síntomas comienzan gradualmente. A veces, comienza con un temblor apenas perceptible en una sola mano.
Los temblores son habituales, aunque la enfermedad también suele causar rigidez o disminución del movimiento.


📌 James Parkinson, fue el médico británico que describió por primera vez la «parálisis agitante», término que él mismo acuñó.





Desarrollo previo

Este proyecto, se basa en el documento titulado 'Machine Learning for the diagnosis of Parkinson's disease: A systematic review', publicado por Jie Mei, Christian Desrosiers y Johannes Frasnelli de la Université de Montréal. Dentro del cual se analizan mas de 200 estudios enfocados al diagnostico de la Enfermedad de Parkinson (EP), mediante el uso de distintos modelos de Aprendizaje Maquina para diversos tipos de información del usuario como lo son la voz y el dibujo de patrones.


Metricas de desempeño

Para cada modelo utilizado para el analisis y diagnostico de la enfermedad utilizado dentro de cada documento se utilizan distintas metricas de desempeño como lo son: Exactitud, Presicion, Sensibilidad, entre otras.



Analisis de voz Media
Dentro del estudio y analisis de los datos recopilados
en las bases de datos para la deteccion de parkinson
por medio del uso de la voz se envuentran parametros de:
pitch, jitter, shimmer y el periodo junto con sus variaciones.
Analisis de pulso Media
Para el diagnostico de la enfermedad mediante el uso
de los datos recopilados al dibujar patrones se
encuentran los parametros de: genero,
si es diestro o zurdo, edad,máxima desviacion,
desviacion minima, desviacion estandar.


🛑 Se recomienda tener conocimientos básico-intermedio de:
■ Parkinson.
■ R y R Shiny.


🥼 Desarrollo

📈 Anáslisis de Datos

Dato Tipo de dato
ID int
Jitter(local) float
Jitter (local, absolute) float
Jitter (rap) float
Jitter (ppq5) float
Jitter (ddp) float
Shimmer (local) float
Shimmer (local, dB) float
Shimmer (apq3) float
Shimmer (apq5) float
Shimmer (apq11) float
Shimmer (dda) float
AC float
NTH float
HTN float
Median pitch float
Mean pitch float
Standard deviation of period float
Fraction of locally unvoiced frames float
Number of voice breaks int
Degree of voice breaks int
Class information int

🛠 ETL - Extracción, Transformación y Carga

    📑 1._ Se descargó el documento.PDF "Machine learning for the diagnosis of Parkinson’s disease: A systematic review"
    2._ Se convirtió el documento a formato DOCX
    2.1._ Se seleccionaron los datos a utilizar.
    2.2._ Se formateó los datos de las tablas de interés a utilizar.
          Table 4: Studies that applied machine learning models to voice recordings to diagnose PD (n = 55).
          Table 5: Studies that applied machine learning models to movement or gait data to diagnose PD (n = 51).
          Table 6: Studies that applied machine learning models to MRI data to diagnose PD (n = 36).
    3._ Se extrajo los datos por filas de todas las tablas de interés del documento.DOCX
    4._ Se transcribió los datos en documentos.xlsx
    5._ Se uso pipe o pleca ( | ) para la separación de los datos en columnas.
    6._ Se modificarón modificarón algunas columnas dependiendo de la finalización que se requería con los datos. Más info aquí.
    ...🐱‍👤

Desarrollo con R y Shiny

🖥 Demo Shiny

https://r6x320-fernando0maldonado.shinyapps.io/James_Parkinson/

Analisis de datos con Python

image image image image

Machine learning

Logistic Regression

Parkinson_Logistic_Regression.ipynb

Train size: 70% Test size: 30%

Metric Results
Accuracy 0.6528
Precision 0.6259
Recall 0.8368
image image

Polynomial Regression

Parkinson_regresion_polinomial.ipynb

Train size: 75% Test size: 25%

Degree Results
First Training: MSE =0.20226664986073595
Test: MSE =0.22372550107151745
Second Training: MSE =0.09041958178788939
Test: MSE =0.9440424366774228
Third Training: MSE =2.4091509149795675e-20
Test: MSE =10807.336241830348
Fourth Training: MSE =1.312378446659635e-19
Test: MSE =161200.20848268343
Fifth Training: MSE =2.9573820705183283e-19
Test: MSE =1549021.0980967553

En base a lo visto con los resultados de la regresion polinomial pudimos observar que al incrementar el grado del polinomio reducirá el Mean square error en el entrenamiento pero incrementará en las pruebas, esto es debido a que se genera el llamado overfitting.

SVM

Parkinson_SVM.ipynb

Train size: 75% Test size: 25%

SVM Characteristics Results
rbf, c=10, gamma=0.0001 Accuracy:0.707988
Precision:0.7233
Recall:0.7525
image image
rbf, c=1, gamma=0.0001 Accuracy: 0.65564
Precision: 0.66079
Recall: 0.7575
image image
rbf, c=100, gamma=0.0001 Accuracy: 0.6969
Precision: 0.72680
Recall: 0.71212
image image
rbf, c=1000, gamma=0.0001 Accuracy: 0.63911
Precision: 0.6666
Recall: 0.67676
image image
rbf, c=10, gamma=0.001 Accuracy: 0.67217
Precision: 0.718232
Recall: 0.65656
image image
rbf, c=1, gamma=0.001 Accuracy: 0.658402
Precision: 0.70786
Recall: 0.63636
image image
rbf, c=100, gamma=0.001 Accuracy: 0.658402
Precision: 0.70108
Recall: 0.651515
image image
rbf, c=1000, gamma=0.001 Accuracy: 0.65840
Precision: 0.701086
Recall: 0.651515
image image

🏁 Conclusión

En base a los datos de las metricas obtenidas en base al uso de los tres tipos de modelos se observó que el modelo con los mejores resultados fué el de SVM con kernel rbf, c = 10 y gamma = 0.0001

💬 Q&A

Preguntas y respuestas

    ❓ / ❗ 1._ Qué es la Dopamina?
    R= Es uno de los muchos neurotransmisores que usan las neuronas para comunicarse entre ellas y es una sustancia que no solo la produce el ser humano,
    sino también puede ser producida en laboratorios.
    La dopamina es frecuentemente considerada como la causante de sensaciones placenteras y la sensación de relajación.

    2._ Por qué baja la dopamina?
    R= Un grupo de neurólogos expertos explica que todavía se desconocen las causas de la pérdida de neuronas secretoras de dopamina en la enfermedad de Parkinson (EP).
    No se conocen a ciencia cierta los factores de riesgo, pero existen ciertas conexiones. Puede haber factores genéticos en un número pequeño de pacientes..

    3._ Cómo afecta el Parkinson en el habla??
    R= Los pacientes de Parkinson tienden a tener dificultades para entender y producir oraciones con correcta estructura gramatical.
    Disminución en la velocidad del habla, expresión y duración. Lo que disminuye la fluidez, acentuación y ritmo de la expresión verbal.

    😃 ...

🔮 En un futuro no lejano

🔗 Enlaces de Interés


con ❤ eecastillo & @ferjml97 🙂

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 52.5%
  • HTML 42.4%
  • R 4.5%
  • Python 0.6%