Recentemente foi observado que a avaliação de desenhos de espirais realizados por pacientes com Parkinson constitui uma abordagem eficiente, de baixo custo e independente do nível de escolaridade do paciente para auxiliar no diagnóstico da doença.
Realizar manipulação de imagens para que a base de dados seja aumentada melhorando a eficiencia do treinamento de CNNs.
As imagens foram obtidas das bases públicas:
| Dataset | Referência | Controles | Parkinson | Total |
|---|---|---|---|---|
| HandPD | Pereira et al. (2016a) | 18 | 74 | 92 |
| NewHandPD | Pereira et al. (2016b) | 35 | 31 | 66 |
| Parkinson's Drawings | Kmader (2017) | 102 | 102 | 204 |
| 185 | 294 | 479 |
Foram desconsideradas bases que montaram as imagens a partir de dados de coordenadas obtidas de canetas, tablets além de imagens de desenho de ondas.
Os detalhes da realização do trabalho pode ser encontrados em:
- PEREIRA, C. R. et al.
A New Computer Vision-based Approach to Aid the Diagnosis of Parkinson's Disease.
Computer Methods and Programs in Biomedicine, v. 136, p. 79–88, 2016. Disponível em: https://wwwp.fc.unesp.br/~papa/pub/datasets/Handpd/
- PEREIRA, C. R. et al.
Deep Learning-aided Parkinson's Disease Diagnosis from Handwritten Dynamics.
Proceedings of SIBGRAPI 2016, p. 340–346, 2016. Disponível em: https://wwwp.fc.unesp.br/~papa/pub/datasets/Handpd/
- KMADER.
Parkinson's Drawings.
Kaggle, 2017.
Disponível em: https://www.kaggle.com/datasets/kmader/parkinsons-drawings