DETECCIÓN DE LA ENFERMEDAD DE PARKINSON MEDIANTE LA VOZ USANDO TÉCNICAS DE MACHINE LEARNING
No Thumbnail Available
Date
2025-02-23
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
La enfermedad de Parkinson (EP) es un trastorno neurodegenerativo causado por la
disminución de dopamina, afectando funciones motoras y no motoras. Esta deficiencia altera actividades
como la generación del habla, que requiere la coordinación de estructuras como la laringe, cuerdas vocales
y lengua. En pacientes con EP, esta coordinación se ve comprometida, provocando cambios significativos
en las características del habla, afectando tanto la claridad como la fluidez de la comunicación. El objetivo
de esta investigación se centró en la detección de la enfermedad de Parkinson a partir del análisis de
características vocales usando dos bases de datos: PC-GITA, donde se extrajeron las características
mediante el software Praat, y el conjunto de datos Parkinsons, que ya incluía características
preprocesadas. Se seleccionaron las diez características más relevantes utilizando los métodos Chi
cuadrado, clasificador Extra Tree y Matriz de Correlación. Se evaluaron diversos modelos de aprendizaje
automático, incluidos Árbol de decisión o Decision Tree (DT), K- Vecinos Más Cercanos o K-Nearest
Neighbors (KNN), Bosque Aleatorio o Random Forest (RF), Bagging, Ada Boosting y Gradient Boost,
empleando las métricas de accuracy, precision, recall, F1-score, R2-score y AUC-ROC. Los resultados
obtenidos sugieren que el modelo que demostró el mejor rendimiento fue Ada Boost, aplicado al conjunto
de datos que combina todas las vocales en PC-GITA, donde alcanzó un AUC-ROC de 0.82 ± 0.04. Estos
resultados indican que el modelo Ada Boost proporcionó las estimaciones más precisas y consistentes en
nuestro estudio, resaltando su eficacia en la identificación de características asociadas con la enfermedad
de Parkinson.
Description
Keywords
Enfermedad de Parkinson (EP), Aprendizaje Automático, Clasificadores