Autorska sieć neuronowa
Zbudowana od podstaw sieć neuronowa, zoptymalizowana do precyzyjnej analizy danych pod kątem wczesnych wskaźników choroby Parkinsona.
Wczesna Detekcja Parkinsona
System oparty na sieci neuronowej zaprojektowanej do analizy danych związanych z chorobą Parkinsona. Wykorzystuje algorytmy sztucznej inteligencji do przetwarzania i interpretacji informacji w celu oceny możliwości wczesnego wykrycia charakterystycznych wzorców.
O Projekcie
85% Dokładność Detekcji
System wykazał 85% dokładności w wykrywaniu choroby Parkinsona we wczesnych stadiach na podstawie wprowadzonych danych zdrowotnych.
Oczyszanie danych
Do trenowania modelu wykorzystano zbiór danych pochodzący z serwisu Kaggle. Przed użyciem dane zostały starannie oczyszczone, aby zapewnić ich spójność i wysoką jakość.
Architektura sieci neuronowej
Sieć posiada dwie ukryte warstwy. W pierwszej użyła została funkcja LeakyReLU oraz Dropout=0.2, natomiast w drugiej Sigmoid. Podczas treningu użyło wielkości podzbioru danych (batch size) równej 48 rekordów, a sam trening odbył się poprzez 50 iteracji (epochs), z czego przy co piątej przeprowadza była walidacja jakości modelu. Do optymalizacji użyła została metoda Adam ze współczynnikiem uczenia równym 0.04, który zmniejszany był co dziesięć epok o 0.01.
