Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Advanced Parkinson's Disease Dysgraphia Analysis Based on Fractional Derivatives of Online Handwriting

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14740%2F18%3A00108296" target="_blank" >RIV/00216224:14740/18:00108296 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/ICUMT.2018.8631265" target="_blank" >http://dx.doi.org/10.1109/ICUMT.2018.8631265</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ICUMT.2018.8631265" target="_blank" >10.1109/ICUMT.2018.8631265</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Advanced Parkinson's Disease Dysgraphia Analysis Based on Fractional Derivatives of Online Handwriting

  • Popis výsledku v původním jazyce

    Parkinson's disease (PD) is one of the most frequent neurodegenerative disorder with progressive decline in several motor and non-motor skills. Due to time-consuming and partially subjective conventional PD diagnosis, several more effective approaches based on signal processing and machine learning, e.g. online handwriting analysis, have been proposed. This paper introduces a new methodology of PD dysgraphia analysis based on fractional derivatives applied in PD handwriting quantification. The proposed methodology was evaluated on a database that consists 33 PD patients and 36 healthy controls who performed several handwriting tasks. Employing random forests classifier in combination with 5 kinematic features based on fractionalorder derivatives we reached 90% classification accuracy, 89% sensitivity, and 91% specificity. In comparison with the results of other related works dealing with the same database, the proposed approach brings improvements in PD dysgraphia diagnosis and confirms the impact of fractional derivatives in kinematic analysis.

  • Název v anglickém jazyce

    Advanced Parkinson's Disease Dysgraphia Analysis Based on Fractional Derivatives of Online Handwriting

  • Popis výsledku anglicky

    Parkinson's disease (PD) is one of the most frequent neurodegenerative disorder with progressive decline in several motor and non-motor skills. Due to time-consuming and partially subjective conventional PD diagnosis, several more effective approaches based on signal processing and machine learning, e.g. online handwriting analysis, have been proposed. This paper introduces a new methodology of PD dysgraphia analysis based on fractional derivatives applied in PD handwriting quantification. The proposed methodology was evaluated on a database that consists 33 PD patients and 36 healthy controls who performed several handwriting tasks. Employing random forests classifier in combination with 5 kinematic features based on fractionalorder derivatives we reached 90% classification accuracy, 89% sensitivity, and 91% specificity. In comparison with the results of other related works dealing with the same database, the proposed approach brings improvements in PD dysgraphia diagnosis and confirms the impact of fractional derivatives in kinematic analysis.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    30103 - Neurosciences (including psychophysiology)

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2018 10TH INTERNATIONAL CONGRESS ON ULTRA MODERN TELECOMMUNICATIONS AND CONTROL SYSTEMS AND WORKSHOPS (ICUMT 2018): EMERGING TECHNOLOGIES FOR CONNECTED SOCIETY

  • ISBN

    9781538693605

  • ISSN

    2157-0221

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    „IEEE,IEEEReg8“-„5“

  • Název nakladatele

    IEEE

  • Místo vydání

    NEW YORK

  • Místo konání akce

    Moscow, RUSSIA

  • Datum konání akce

    5. 11. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000459238500067