Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales

Autores
Guatelli, Renata; Aubin, Verónica I.; Mora, Marco; Naranjo-Torres, José; Sinopoli, Alesio
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se propone una estrategia de aumentación de datos para los repositorios de espectrogramas utilizados en la detección de la Enfermedad de Parkinson. Esta estrategia consiste en crear espectrogramas a partir de una señal de voz considerando distintas paletas de colores. Se utilizan 13 paletas de colores provistas por la herramienta colormap de Matlab. Para la evaluación de los resultados se consideran los modelos de CNN AlexNet, VGG 16, ResNet 50, Inception v3 y Squeezenet. De los experimentos se observa que las CNN mejoran la performance de clasificación y disminuyen la variabilidad de los resultados cuando utiliza el conjunto de datos aumentado.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Detección Parkinson
Espectrogramas en color
Aumentación de datos
Redes neuronales convolucionales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/141286
Acceder
id SEDICI_78b52984e8ba28f58db82c50045bb330
oai_identifier_str oai:sedici.unlp.edu.ar:10915/141286
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionalesGuatelli, RenataAubin, Verónica I.Mora, MarcoNaranjo-Torres, JoséSinopoli, AlesioCiencias InformáticasDetección ParkinsonEspectrogramas en colorAumentación de datosRedes neuronales convolucionalesEn este trabajo se propone una estrategia de aumentación de datos para los repositorios de espectrogramas utilizados en la detección de la Enfermedad de Parkinson. Esta estrategia consiste en crear espectrogramas a partir de una señal de voz considerando distintas paletas de colores. Se utilizan 13 paletas de colores provistas por la herramienta colormap de Matlab. Para la evaluación de los resultados se consideran los modelos de CNN AlexNet, VGG 16, ResNet 50, Inception v3 y Squeezenet. De los experimentos se observa que las CNN mejoran la performance de clasificación y disminuyen la variabilidad de los resultados cuando utiliza el conjunto de datos aumentado.Sociedad Argentina de Informática e Investigación Operativa2021-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf21-25http://sedici.unlp.edu.ar/handle/10915/141286spainfo:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/saiv/SAIV-05.pdfinfo:eu-repo/semantics/altIdentifier/issn/2683-8990info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:16:47Zoai:sedici.unlp.edu.ar:10915/141286Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:16:47.755SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales
title Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales
spellingShingle Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales
Guatelli, Renata
Ciencias Informáticas
Detección Parkinson
Espectrogramas en color
Aumentación de datos
Redes neuronales convolucionales
title_short Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales
title_full Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales
title_fullStr Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales
title_full_unstemmed Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales
title_sort Detección de Parkinson mediante espectrogramas en color y redes neuronales convolucionales
dc.creator.none.fl_str_mv Guatelli, Renata
Aubin, Verónica I.
Mora, Marco
Naranjo-Torres, José
Sinopoli, Alesio
author Guatelli, Renata
author_facet Guatelli, Renata
Aubin, Verónica I.
Mora, Marco
Naranjo-Torres, José
Sinopoli, Alesio
author_role author
author2 Aubin, Verónica I.
Mora, Marco
Naranjo-Torres, José
Sinopoli, Alesio
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Detección Parkinson
Espectrogramas en color
Aumentación de datos
Redes neuronales convolucionales
topic Ciencias Informáticas
Detección Parkinson
Espectrogramas en color
Aumentación de datos
Redes neuronales convolucionales
dc.description.none.fl_txt_mv En este trabajo se propone una estrategia de aumentación de datos para los repositorios de espectrogramas utilizados en la detección de la Enfermedad de Parkinson. Esta estrategia consiste en crear espectrogramas a partir de una señal de voz considerando distintas paletas de colores. Se utilizan 13 paletas de colores provistas por la herramienta colormap de Matlab. Para la evaluación de los resultados se consideran los modelos de CNN AlexNet, VGG 16, ResNet 50, Inception v3 y Squeezenet. De los experimentos se observa que las CNN mejoran la performance de clasificación y disminuyen la variabilidad de los resultados cuando utiliza el conjunto de datos aumentado.
Sociedad Argentina de Informática e Investigación Operativa
description En este trabajo se propone una estrategia de aumentación de datos para los repositorios de espectrogramas utilizados en la detección de la Enfermedad de Parkinson. Esta estrategia consiste en crear espectrogramas a partir de una señal de voz considerando distintas paletas de colores. Se utilizan 13 paletas de colores provistas por la herramienta colormap de Matlab. Para la evaluación de los resultados se consideran los modelos de CNN AlexNet, VGG 16, ResNet 50, Inception v3 y Squeezenet. De los experimentos se observa que las CNN mejoran la performance de clasificación y disminuyen la variabilidad de los resultados cuando utiliza el conjunto de datos aumentado.
publishDate 2021
dc.date.none.fl_str_mv 2021-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/141286
url http://sedici.unlp.edu.ar/handle/10915/141286
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/saiv/SAIV-05.pdf
info:eu-repo/semantics/altIdentifier/issn/2683-8990
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
dc.format.none.fl_str_mv application/pdf
21-25
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783566781874176
score 12.982451

Publicaciones similares