NEW METHODOLOGY OF PARKINSONIC DYSGRAPHIA ANALYSIS BY ONLINE HANDWRITING USING FRACTIONAL DERIVATIVES
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F18%3APU127717" target="_blank" >RIV/00216305:26220/18:PU127717 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.feec.vutbr.cz/EEICT/archiv/sborniky/EEICT_2018_sbornik.pdf" target="_blank" >http://www.feec.vutbr.cz/EEICT/archiv/sborniky/EEICT_2018_sbornik.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
NEW METHODOLOGY OF PARKINSONIC DYSGRAPHIA ANALYSIS BY ONLINE HANDWRITING USING FRACTIONAL DERIVATIVES
Popis výsledku v původním jazyce
Parkinson’s disease (PD) is the second most frequent neurodegenerative disorder. One typical hallmark of PD is disruption in execution of practised skills such as handwriting. This paper introduces a new methodology of kinematic features calculation based on fractional derivatives applied on PD handwriting. Discrimination power of basic kinematic features (velocity, acceleration, jerk) was evaluated by classification analysis (using support vector machines and random forests). For this purpose, 37 PD patients and 38 healthy controls were enrolled. In comparison to results reported in other works, we proved that FDE in online handwriting analysis brings promising improvements. The best result of multivariate analysis was achieved with 83:89% classification accuracy in combination with 5 features using only one handwriting task (overlapped circles). This study reveals an impact of fractional derivatives based features in analysis of Parkinsonic dysgraphia.
Název v anglickém jazyce
NEW METHODOLOGY OF PARKINSONIC DYSGRAPHIA ANALYSIS BY ONLINE HANDWRITING USING FRACTIONAL DERIVATIVES
Popis výsledku anglicky
Parkinson’s disease (PD) is the second most frequent neurodegenerative disorder. One typical hallmark of PD is disruption in execution of practised skills such as handwriting. This paper introduces a new methodology of kinematic features calculation based on fractional derivatives applied on PD handwriting. Discrimination power of basic kinematic features (velocity, acceleration, jerk) was evaluated by classification analysis (using support vector machines and random forests). For this purpose, 37 PD patients and 38 healthy controls were enrolled. In comparison to results reported in other works, we proved that FDE in online handwriting analysis brings promising improvements. The best result of multivariate analysis was achieved with 83:89% classification accuracy in combination with 5 features using only one handwriting task (overlapped circles). This study reveals an impact of fractional derivatives based features in analysis of Parkinsonic dysgraphia.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20201 - Electrical and electronic engineering
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
Proceedings of the 24nd Conference STUDENT EEICT 2018
ISBN
978-80-214-5614-3
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
398-402
Název nakladatele
Neuveden
Místo vydání
BRNO
Místo konání akce
Brno
Datum konání akce
26. 4. 2018
Typ akce podle státní příslušnosti
CST - Celostátní akce
Kód UT WoS článku
—