Automatic Detection of Parkinson’s Disease Using Human Voice and Artificial Intelligence

Abstract

The work we present in this Master thesis consists in setting a diagnostic aid system that allows the detection of Parkinson’s Disease from human’s voice. Since the accurate diagnosis of Parkinson’s disease is a challenging task that involves many physical, psychological and neurological examinations. The examinations include investigating a number of signs and symptoms, reviewing the medical history and checking the nervous system conditions of a patient. The objective of this project is to design an automatic diagnostic support system for the early detection of Parkinson’s disease using speech signals. Mainly, it is a question of differentiating between the PD pathologies patients and healthy controls. The proposed system is based on two main steps: (i) feature extraction and (ii) machine learning classification. The discriminatory features we have chosen encompass of two parameters: (i) Mel-frequency cepstral coefficient (MFCC) and (ii) Excitation Source Parameters. The classification process is based on three machine learning supervised classifiers: (i) K-Nearest Neighbor (KNN) (ii) Support Vector Machine (SVM) and (iii) Decision Tree (DT). The feature extraction is achieved by a simulation software: MATLAB Mathworks along with the classification process. A free accessed online (MDVR-KCL) Parkinson’s Disease database was used in our experiments. The performance measures used in this study are: accuracy, sensitivity, specificity, F1 Score and the SVM ROC curve. The obtained results were satisfactory.

يتمثل العمل الذي نقدمه في هذه الاطروحة في وضع نظام دعم تشخيصي يسمح بتصنيف الامراض الصوتية، اي مرض الباركنسون على وجه التحديد باستخدام الصوت. نظرا لان التشخيص الدقيق لمرض باركنسون يمثل مهمة صعبة تتضمن العديد من الفحوصات الجسدية و النفسية و العصبية. و تشمل الفحوصات التحقيق في عدد من العلامات و الاعراض و مراجعة التاريخ الطبي و فحص حالات الجهاز العصبي للمريض. الهدف من هذا المشروع هو تصميم نظام دعم تشخيصي للكشف المبكر عن مرض الباركنسون من الصوت. بشكل أساسي إنها مسألة التمييز بين مرضى الباركنسون و الاشخاص الغير مرضى. يستند النظام المقترح على خطوتين رئيسيتين: (أ) استخراج الميزات و (ب) تصنيف التعلم الآلي. تشمل السمات التمييزية التي اخترناها على ثلاثة ب) قياس درجة الصوت (ج) قياس ارتعاش وميض الصوت. تستند عملية التصنيف على ) MFCC معايير: (أ) معامل ثلاثة مصنفات خاضعة للاشراف: (أ) ك-اقرب جار (ب) شعاع الدعم الالي (ج) شجرة القرار. تم Mathworks. Matlab يتم تحقيق استخراج الميزات و عملية التصنيف من خلال برنامج محاكاة استخدام قاعدة بيانات مجانية عبر الانترنت لمرض الباركنسون في تجاربنا. النتائج التي ROC. مقاييس الاداء المستخدمة في هذه الدراسة هي الدقة و الحساسية و النوعية و منحني تم الحصول عليها مرضية.