Implementação de uma Rede Neural Artificial para identificação da Doença de Parkinson a partir da voz

Abstract

RESUMO: Cerca de 200 mil brasileiros têm a Doença de Parkinson (DP), que acomete 1% da população mundial acima de 65 anos, conforme estimativa da OMS. A DP causa uma perda contínua e gradativa dos neurônios produtores de dopamina, neurotransmissor que atua no controle muscular, reduzindo assim a capacidade motora e também a qualidade da voz. A identificação precoce da doença possibilita aumentar a expectativa de vida do paciente, uma vez que permite iniciar o tratamento de reposição de dopamina ainda nos estágios iniciais da DP. Em 90% dos casos, os primeiros sintomas a surgirem são transtornos vocais, de modo que a pesquisa que vise à identificação precoce da doença deve considerar a informação presente nos sinais de voz. O objetivo deste trabalho é implementar uma Rede Neural do tipo Perceptron Múltiplas Camadas a fim de identificar a DP a partir de parâmetros extraídos de sinais de voz, bem como estudar e descrever tais parâmetros, pesquisando por algoritmos ou software livres que permitam sua extração. A implementação da rede foi realizada em Python a partir da biblioteca TensorFlow, e o estudo dos parâmetros foi baseado na bibliografia disponível sobre o assunto. A pesquisa concluiu que os trabalhos realizados até então evidenciam a possibilidade do uso de Redes Neurais com bom desempenho na identificação da DP pela voz, contudo não apresentam resultados reprodutíveis. Constata-se a necessidade de desenvolver um sistema embarcado capaz de tomar amostras de voz, extrair os parâmetros, alimentar uma rede já treinada e fornecer a predição acerca da existência ou não da DP. O presente trabalho contribui com um passo inicial rumo ao desenvolvimento de tal sistema.

ABSTRACT: About 200,000 Brazilians have Parkinson's Disease (PD), which affects 1% of the world's population over 65 years old, according to World Health Organization. PD causes a continuous and gradual loss of dopamine producing neurons, a neurotransmitter that acts on muscle control, causing a reduction of motor capacity and also voice quality. Early identification of the disease makes it possible to increase the patient life expectancy, as it allows the initiation of dopamine replacement treatment in the early stages of PD. In 90% of cases, the first symptoms to appear are voice disorders, so research aimed at early identification of the disease must consider the information present in voice signals. The purpose of this work is to implement a Multilayer Perceptron Neural Network in order to identify the PD through features extracted from voice signals, as well as studying such features and searching for algorithms or free software capable to proceed the feature extraction. The implementation of the network was carried out in Python using the library TensorFlow, and the study of the voice signal features was based on the available bibliography concerning this subject. This research concluded that the works carried out so far has proved the possibility of using Neural Networks with good performance in the identification of PD by voice, however they do not present reproducible results. There is a clear necessity to develop an embedded system capable of taking voice samples, proceed the feature extraction and feed an already trained network to get a prediction of the existence or not of the PD. The present work gives a contribution as a initial step towards this system.