Investigation and development of methods for automatic search for AUC-diagram-based features of Parkinson's disease and essential tremor

Abstract

Исследованы и разработаны методы автоматического поиска признаков нейродегенеративных заболеваний "болезнь Паркинсона" и "эссенциальный тремор" на основе AUC-диаграмм и алгоритмов оптимизации. AUC-диаграммы являются новым методом статистического анализа биомедицинских сигналов, основанным на визуализации параметров всплескообразной электрической активности мозга и мышц. Эффективность этого метода была продемонстрирована при решении задач ранней и дифференциальной диагностики болезни Паркинсона и эссенциального тремора. Недостатком данного метода является необходимость построения и анализа большого количества графических диаграмм. В связи с этим, автоматизация анализа AUC-диаграмм является актуальной задачей. Математическая задача поиска признаков на основе анализа AUC-диаграмм сводится к задаче оптимизации в многомерном пространстве признаков. Отличительной особенностью пространства признаков, построенного с использованием AUC-диаграмм, является наличие сравнительно больших компактных областей, содержащих локальные максимумы и минимумы. Это свойство пространства признаков облегчает поиск решений задачи оптимизации, но при этом требует выбор алгоритмов оптимизации и целевых функций, повышающих вероятность обнаружения глобальных экстремумов. В данной работе исследованы и разработаны методы автоматического поиска глобальных экстремумов в многомерном пространстве признаков всплескообразной электрической активности.