Analýza ručně psaného projevu u pacientů postižených neurologickými onemocněními

Abstract

V rámci diplomovej práce bola preštudovaná problematika analýzy ručne písaného prejavu. Bol navrhnutý a následne realizovaný systém automatickej diagnostiky Parkinsonovej nemoci na základe analýzy ručne písaného prejavu. Tento systém pozostáva z viacerých modulov a bol realizovaný v programovom prostredí MATLAB. V prvej časti systému sú záznamy jednotlivých písomno-kresliacich cvičení podrobené predspracovaniu a úprave do formy vhodnej pre segmentáciu. Následne sú tieto záznamy rozdelené na záznamy na ploche tabletu a na záznamy nad plochou tabletu. V ďalšom kroku sú záznamy segmentované metódou dvojfázovej automatickej segmentácie. Nasleduje extrakcia jednotlivých príznakov. Z extrahovaných príznakov sú vypočítané tzv. vysokoúrovňové príznaky. Všetky príznaky sú podrobené štatistickej analýze a výsledky tejto analýzy sú exportované do súboru vhodného pre klasifikáciu. Klasifikácia prebieha pomocou navrhnutého modelu, realizovaného v programovom prostredí RapidMiner. Výstupom navrhnutého systému je natrénovaný model, schopný klasifikácie Parkinsonovej nemoci na základe analýzy ručne písaného prejavu.

The master‘s thesis deals with the analysis of the hand-written text. There is a design and a realization of a system for the purpose of diagnosing a Parkinson’s desease based on the analysis of hand-written text. The system consists from several modules and it is programmed in the programming environment of MATLAB. The first module provides pre-processing of the records to adjust records to the form suitable for the segmentation. Afterwards, the records are divided into those with signals onto the surface of the tablet and those with the signals above the surface of the tablet. In the next module the records are segmented by the two-phase metod of automatic segmentation.High-level featuresare calculated from the extracted features. The results of the statistical analysis are exported in the form suitable for the classification process. The classification is performed by the proposed model made in the programming environment of RapidMiner. The output of designed system is the trained model capable of automatic classification of the Parkinson’s disease by the analysis of the hand-written text.