摘要。阿尔茨海默氏病是神经退行性疾病中最敏锐的疾病之一,它会导致齿轮能力的逐渐下降,在最坏的情况下,这种能力变得足够严重,足以与日常生活相处。目前尚无治愈方法,因此强烈需要早期诊断来尝试通过医疗治疗来减缓其进展。手写分析被认为是检测和理解某些神经系统疾病(包括阿尔茨海默氏病)的潜在工具。虽然单独手写分析不能提供对阿尔茨海默氏症的明确性疾病,但它可能会提供一些见解,并用于全面评估。Sigma-Mognormal模型被构想用于运动分析,也可以应用于手写。该模型返回一组对数正态参数作为输出,这构成了计算新颖和重要特征的基础。本文介绍了一种用于通过Sigma-lognormal模型提取的手写功能的机器学习方法。目的是开发一种支持系统,以帮助医生诊断和研究阿尔茨海默氏症,评估提取特征的有效性,最后研究其中的关系。
![arxiv:2405.16959v1 [CS.CV] 2024年5月27日PDF文件第1页](/bimg/e/eecdc4dd3ecea13d99c85c8076b304890bee8884.webp)
![arxiv:2405.16959v1 [CS.CV] 2024年5月27日PDF文件第2页](/bimg/6/605f05fcd5af8fa3738878b3cc01aa67e401df69.webp)
![arxiv:2405.16959v1 [CS.CV] 2024年5月27日PDF文件第3页](/bimg/3/34e851a134d682d22f273e721dfc4977a874fd92.webp)
![arxiv:2405.16959v1 [CS.CV] 2024年5月27日PDF文件第4页](/bimg/2/20ed98610c304ff2c1dcdc2436d57ed41d0f5cd8.webp)
![arxiv:2405.16959v1 [CS.CV] 2024年5月27日PDF文件第5页](/bimg/a/a4b9f3a3ef85af23f84936b059d37b1dde476ac0.webp)
