Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Middlesex University | - |
Autor(es): dc.creator | Pereira, Clayton R. | - |
Autor(es): dc.creator | Pereira, Danillo R. | - |
Autor(es): dc.creator | Papa, Joao P. | - |
Autor(es): dc.creator | Rosa, Gustavo H. | - |
Autor(es): dc.creator | Yang, Xin-She | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:13:13Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:13:13Z | - |
Data de envio: dc.date.issued | 2022-05-02 | - |
Data de envio: dc.date.issued | 2022-05-02 | - |
Data de envio: dc.date.issued | 2016-01-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-319-50478-0_19 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/234483 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/234483 | - |
Descrição: dc.description | Parkinson’s Disease (PD) is a chronic and progressive illness that affects hundreds of thousands of people worldwide. Although it is quite easy to identify someone affected by PD when the illness shows itself (e.g. tremors, slowness of movement and freezing-of-gait), most works have focused on studying the working mechanism of the disease in its very early stages. In such cases, drugs can be administered in order to increase the quality of life of the patients. Since the beginning, it is well-known that PD patients feature the micrography, which is related to muscle rigidity and tremors. As such, most exams to detect Parkinson’s Disease make use of handwritten assessment tools, where the individual is asked to perform some predefined tasks, such as drawing spirals and meanders on a template paper. Later, an expert analyses the drawings in order to classify the progressive of the disease. In this work, we are interested into aiding physicians in such task by means of machine learning techniques, which can learn proper information from digitized versions of the exams, and them recommending a probability of a given individual being affected by PD depending on its handwritten skills. Particularly, we are interested in deep learning techniques (i.e. Convolutional Neural Networks) due to their ability into learning features without human interaction. Additionally, we propose to fine-tune hyper-arameters of such techniques by means of meta-heuristic-based techniques, such as Bat Algorithm, Firefly Algorithm and Particle Swarm Optimization. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Department of Computing Federal University of São Carlos | - |
Descrição: dc.description | Department of Computing São Paulo State University | - |
Descrição: dc.description | School of Science and Technology Middlesex University | - |
Descrição: dc.description | Department of Computing São Paulo State University | - |
Descrição: dc.description | FAPESP: 2014/16250-9 | - |
Descrição: dc.description | FAPESP: 2015/25739-4 | - |
Formato: dc.format | 377-390 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Convolutional Neural Networks | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Meta-heuristics | - |
Palavras-chave: dc.subject | Parkinson’s Disease | - |
Título: dc.title | Convolutional neural networks applied for Parkinson’s disease identification | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: