| dc.description.abstract | Parkinson; genellikle ellerde ve ayaklarda titreme, kaslarda sertlik, hareketlerde zorluk ve duruş bozukluğu belirtileriyle ortaya çıkan ve kademeli olarak ilerleyen bir sinir sistemi hastalığıdır. Parkinsonun teşhisi için yapılan çalışmalarda kuvvet ve ivme sensörleri, salınım fazları ve eylemsizlik ölçümleri kullanılarak; yürüme, duruş ve hareket bozukluğu karakteristikleri incelenmiştir. Son yıllarda mevcut teşhis yöntemlerine göre üstün yönleri nedeniyle bu hastalığın tespitinde, insan-bilgisayar etkileşiminden hareketle; Parkinson hastalarının klavye kullanımlarına ilişkin tuş vuruş dinamiklerinden elde edilen verilerin değerlendirilmesi önem kazanmıştır. Bu çalışmada, sağlıklı ve Parkinson hastası bireylerden günlük bilgisayar kullanımı sırasında kaydedilen tuş vuruş verileri analiz edilerek, Parkinson hastalığının tespiti üzerinde çalışılmıştır. Verilerden; yüksek dereceli momentler, entropiler, simetri bozukluğu ve istatistiksel nicelikler başta olmak üzere toplam 14 özellik hesaplanmıştır. Ayırt edici özellikler, istatistiksel testler ve Rastgele Orman (RO) algoritması kullanılarak, Destek Vektör Makinesi (DVM) ve k En Yakın Komşu (kEYK) sınıflayıcılarına uygulanmıştır. Sınıflayıcılar; eğitim ve test oranlarının 50-50 ve 30-70 olduğu iki farklı durumda, 646 ve 515 veri içeren iki veri kümesi için çalıştırılmıştır. En yüksek doğruluk oranları kEYK sınıflayıcısıyla; 646 veri için 83,78% eğitim ve 80,15% test; 515 veri için de 86,64% eğitim ve 82,4% test olarak elde edilmiştir. Çalışmanın sonuçları, tuş vuruş dinamiklerinin Parkinson hastalığının tespitinde kullanılabileceğini göstermiştir.
Parkinson’s Disease (PD) is a neurological movement disorder that occurs in the hands and feet with tremor, rigidity, slowing of movements and difficulty walking and postural instability. Generally; the measures from force sensors, accelerometers and inertia measurement units used to gain informations about gait, posture and disorderly movements have been studied for analyzing the PD’s characteristics. In the last few years, due to the superior aspects of the current diagnostic methods, based on human-computer interaction; evaluation of data obtained from keystroke dynamics of keyboard use of Parkinson's patients has gained importance. In this study total 14 features, including asymmetry, entropies, high degree momentums and statistical quantities were calculated from datas and have been studied to determine the PD. All these significant features, statistical tests and Random Forest algorithms were used and applied to the inputs of two-class Support Vector Machines (SVM) and k Nearest Neighbor (kNN). The classifier accuracies were both found for training and testing in terms of 50-50 & 30-70 respectively. These results are listed for both 646 and 515 records. The obtained features were evaluated in four different cases. In all cases, the highest test accuracy is 80,15% (training: 83,78%) for 646 records and 82,4% (training: 86,64%) for 515 records, found by kNN classifier. These results shown that keystroke datas are able to used for PD diagnosing instead of other sensor measures. | en_US |
