Otimização metaheurística e aprendizado de máquina para identificação da doença de Parkinson por sinais de voz
| dc.contributor.advisor-co1 | Salles, Evandro Ottoni Teatini | |
| dc.contributor.advisor1 | Ciarelli, Patrick Marques | |
| dc.contributor.advisor1ID | https://orcid.org/0000-0003-3177-4028 | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1267950518719423 | |
| dc.contributor.author | Garcez, Peter Gleiser | |
| dc.contributor.referee1 | Krohling, Renato Antônio | |
| dc.contributor.referee2 | Komati, Karin Satie | |
| dc.date.accessioned | 2025-04-08T20:23:54Z | |
| dc.date.available | 2025-04-08T20:23:54Z | |
| dc.date.issued | 2025-01-28 | |
| dc.description.abstract | Approximately 220,000 Brazilians have Parkinson’s Disease (PD), which affects 1% to 3%of the world’s population over 65 years, according to WHO estimates. PD causes a continuous and gradual loss of dopamine-producing neurons, a neurotransmitter essential for muscle function performance, especially speech motor control, causing impairment in voice quality. This study aims to implement feature selection and machine learning hyperparameter tuning through optimization metaheuristics to identify PD using features extracted from voice signals. At first, the metaheuristic Adaptive Hybrid-Mutated Differential Evolution (A-HMDE) is applied to select features from the Parkinson’s Disease Classification dataset, consisting of 752 features extracted from 756 voice signal samples. Next, considering the selected features, we tuned the hyperparameter of the Random Forest (RF) and k-Nearest Neighbors (kNN) models, as well as of the Convolutional Neural Network 1D (CNN 1D) model using metaheuristic. A reduction from 752 to 75 features was achieved, representing a selection rate of less than 10%, with an accuracy of 91.63% and a recall of 99.39% obtained by the RF classifier. The results demonstrate the effectiveness of the metaheuristics used for identifying Parkinson’s Disease through voice, and the need to develop datasets with unprocessed vocal signals to explore the performance of convolutional networks operating on raw signals for PD classification | |
| dc.description.resumo | Cerca de 220 mil brasileiros têm a Doença de Parkinson (DP), que acomete de 1% a 3% da população mundial acima de 65 anos, conforme estimativa da OMS. A DP causa uma perda contínua e gradativa dos neurônios produtores de dopamina, neurotransmissor essencial ao desempenho das funções musculares, em especial do controle motor da fala, prejudicando assim a qualidade da voz. O objetivo deste trabalho é implementar seleção de atributos e sintonia de algoritmos de aprendizado de máquina por meio de otimização metaheurística, a fim de identificar a DP a partir de parâmetros extraídos do processamento de sinais de voz. Primeiramente, aplica-se a metaheurística Adaptive Hybrid-Mutated Differential Evolution (A-HMDE) na seleção de atributos do banco de dados Parkinson’s Disease Classification, composto por 752 atributos extraídos de 756 amostras de voz. Em seguida, considerando os atributos selecionados, realiza-se a sintonia de hiperparâmetros dos algoritmos Random Forest (RF), k-Nearest Neighbors (kNN) e Redes Neurais Convolucionais Unidimensionais (CNN 1D) utilizando metaheurísticas. Com a aplicação da abordagem, obteve-se uma redução de 752 para 75 atributos, o que representa uma taxa de seleção de menos de 10%, com acurácia de 91,63% e recall de 99,39% obtidos pelo classificador RF. Os resultados mostram a eficácia das metaheurísticas utilizadas para a identificação da Doença de Parkinson por meio da voz, e evidenciam a necessidade de se desenvolver bancos de dados com sinais vocais não processados para a classificação da DP | |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | |
| dc.format | Text | |
| dc.identifier.uri | http://repositorio.ufes.br/handle/10/19143 | |
| dc.language | por | |
| dc.publisher | Universidade Federal do Espírito Santo | |
| dc.publisher.country | BR | |
| dc.publisher.course | Mestrado em Engenharia Elétrica | |
| dc.publisher.department | Centro Tecnológico | |
| dc.publisher.initials | UFES | |
| dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | |
| dc.rights | open access | |
| dc.subject | Palavra-chave | |
| dc.subject | Palavra-chave | |
| dc.subject | Processamento de sinais | |
| dc.subject | Doença de Parkinson | |
| dc.subject | Aprendizado de Máquina | |
| dc.subject.cnpq | Engenharia Elétrica | |
| dc.title | Otimização metaheurística e aprendizado de máquina para identificação da doença de Parkinson por sinais de voz | |
| dc.type | masterThesis |