Система IOT для диагностики болезни Паркинсона с использованием нейронных сетей и OSTIS.

Цель данной работы состоит в том, чтобы разработать систему ИТ-диагностики болезни Паркинсона (БП) с удаленным доступом на базе сети Интернета вещей (IoT). Авторы ранее разработали метод комплексного распознавания болезни Паркинсона с использованием машинного обучения, маркерах анализа голоса и изменениях в движениях пациента. Два общедоступных набора данных (sound, action) были выбраны в качестве экспериментальных. В статье приведена его реализация на базе сети IoT. Разработка сети выполнена с использованием OSTIS (Open Semantic Technology for Intelligent Systems).

В сети IoT смартфон является точкой ввода и предварительной обработки двух наборов данных, включая извлечение признаков из аудиозаписи голоса пациента и его двигательной активности. Передача данных осуществляется через локальный сервер Flask, действующий как канал для пересылки функциональных данных на сервер OSTIS. Сервер OSTIS обрабатывает данные, полученные с локального сервера Flask, и использует агента прогнозирования нейронной сети для распознавания БП. Этот агент загружает признаки, извлеченные из голоса и движения пациента, и делает прогнозы на основе обученной нейронной сети, связывая эти прогнозы со знаниями в системе OSTIS, и сохраняет их в базе данных.

Результатом исследования является архитектура и алгоритмы работы сети IoT. Рабочий процесс всей системы включает в сбор и предварительную обработку данных устройствами Интернета вещей (смартфоном, датчиками движения) последующую передачу данных на локальный сервер Flask, дальнейшую пересылку на сервер OSTIS, обработку модели нейронной сети агентом нейросетевого предсказателя и, в конечном счете, связывание обработанных результатов с графом знаний и сохранение их в системе.

Система удаленной ИТ-диагностики БП обеспечивает обработку данных пациентов в режиме реального времени, распознавание признаков заболевания в сети Интернета вещей, поддержки расширенного анализа и принятия решений по дальнейшему лечению.

1. William, D. Parkinson's disease: mechanisms and models / D. William, S. Przedborski. – Neuron. 2003. – V. 39. – Pр. 889–909.

2. Clayton, R.P. Deep learning-aided Parkinson's disease diagnosis from handwritten dynamics / Clayton R.P., Weber S.A., Hook C., Rosa G.H., Papa J.P. // Brazilian Symposium on Computer Graphics and Image Processing (SIBGRAPI). 2016. Dauer. – Pр. 340–346.

3. Fukawa, K. Estimation of UPDRS finger tapping score by using Artificial Neural Network for quantitative diagnosis of Parkinson's disease / Fukawa K., Okuno R., Yokoe M., Sakoda S., Akazawa K // IEEE EMBS International Conference on Information Technology Applications in Biomedicine (ITAB). 2007. – Pр. 259–260.

4. Вишняков В.А. Распознавание признаков болезни Паркинсона на основе анализа голосовых маркеров и двигательной активности // В.А. Вишняков, Ся Ивэй. Информатика. – 2023. − Т. 20, № 3. – С. 106–114.

5. Голенков, В.В. Открытая технология онтологического проектирования, производства и эксплуатации семантически совместимых гибридных интеллектуальных компьютерных систем / В.В. Голенков, Н.А. Гулякина, Д.В. Шункевич. – Минск : Бестпринт, 2021. – 690 с.

6. Vyshnavi V.R. Efficient Way of Web Development Using Python and Flask / V.R.Vyshnavi, Amit Malik // Int. J. Recent Res. Asp.2019. V. 6. – Pр. 16–19.

7. Zotov, N. Implementation of Information Retrieval Subsystem in the Software Platform of ostis-systems = Реализация информационно-поисковой подсистемы в программной платформе ostis-систем / N. Zotov: сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В.В. Голенков [и др.]. – Минск, 2023. – Вып. 7. – С. 77–94.

8. Sadouski, M. User Interface of the OSTIS Ecosystem = Пользовательский интерфейс экосистемы OSTIS / M. Sadouski // сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков [и др.]. – Минск, 2023. – Вып. 7. – С. 153–158.

9. Davydenko, I.T. Ontology-Based Knowledge Base Design / I.T. Davydenko // материалы международной научно-технической конференции (Минск, 16-18 февраля 2017 года) / редкол. : В.В. Голенков (отв. ред.) [и др.]. – Минск : БГУИР, 2017. – С. 57–72.

10. Shunkevich, D.V. Ontology-based Design of Knowledge Processing Machines / D.V. Shunkevich // Open Semantic Technologies for Intelligent Systems (OSTIS-2017) : материалы международной научно-технической конференции (Минск, 16 18 февраля 2017 года) / редкол. : В.В. Голенков (отв. ред.) [и др.]. – Минск : БГУИР, 2017. – С. 73 – 94.

11. Sadouski, M.E. Ontological approach to the building of semantic models of user interfaces / M. E. Sadouski // Открытые семантические технологии проектирования интеллектуальных систем / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В.В. Голенков [и др.]. – Минск, 2021. – Вып. 5. – С. 105–116.

12. Bantsevich K. Metasystem of the OSTIS Technology and the Standard of the OSTIS Technology = Метасистема Технологии OSTIS и Стандарт Технологии OSTIS / K. Bantsevich // Открытые семантические технологии проектирования интеллектуальных систем (OSTIS-2022) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В.В. Голенков [и др.]. – Минск, 2022. – Вып. 6. – С. 357–368.

13. Sakar C.O., Serbes G., Gunduz A., Tunc H.C., Nizam H., …, Apaydin H. A comparative analysis of speech signal processing algorithms for Parkinson’s disease classification and the use of the tunable Q-factor wavelet transform. Applied Soft Computing, Jan. 2019, vol. 74, pp. 255–263.

14. Sakar B.E., Isenkul M.E., Sakar C.O., A. Sertbas, Gurgen F., …, Kursun O. Collection and analysis of a Parkinson speech dataset with multiple types of sound recordings. IEEE Journal of Biomedical and Health Informatics, 2013, vol. 17(4), pp. 828–834.

15. Li B., Yao Z., Wang J., Wang S., Yang X., Sun Y. Improved Deep Learning Technique to Detect Freezing of Gait in Parkinson’s Disease Based on Wearable Sensors. Electronics, 2020, no. 9(11), pp. 1–12.