Identificação da Doença de Parkinson através da Análise de Dados Coletados por Smartwatch
Resumo
A doença de Parkinson (DP) é uma doença neurodegenerativa de difícil diagnóstico precoce que causa degeneração progressiva dos neurônios, provocando alterações na marcha e movimentos. Métodos diagnósticos computacionais baseados em aprendizado de máquina são uma possível solução para essa problemática. Este trabalho reporta os principais resultados obtidos investigando o uso de características harmônicas extraídas de sinais de movimento e de algorítimos clássicos de aprendizado de máquina supervisionado para a classificação da Doença de Parkinson. Os resultados evidenciam o potencial de algoritmos de aprendizado de máquina para auxiliar nesse propósito.
Palavras-chave:
Parkinson, Aprendizado de Máquina, Smartwatch, Características Harmônicas, Classificação
Referências
Ali, M. R., Na, I.-J., and Lee, J.-H. (2021). Machine learning for the diagnosis of parkinson’s disease: A systematic review. Frontiers in Aging Neuroscience, 13:633752.
Bloem, B. R., Okun, M. S., and Klein, C. (2021). Parkinson’s disease. Nature Reviews Disease Primers, 7(1):52.
Hasan, M. (2025). Parkinson’s Disease Freezing of Gait Symptom Detection Using Machine Learning from Wearable Sensor Data. arXiv preprint arXiv:2506.12561.
Ordóñez, F. J. and Roggen, D. (2016). Deep Convolutional and LSTM Recurrent Neural Networks for Multimodal Wearable Activity Recognition. In 2016 International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI), pages 425–432.
Pietrosanti, L., Calado, A., Verrelli, C., Pisani, A., Suppa, A., Fattapposta, F., Zampogna, A., Patera, M., Rosati, V., Giannini, F., and Saggio, G. (2023). Harmonic Distortion Aspects in Upper Limb Swings during Gait in Parkinson’s Disease. Electronics, 12:625.
Prusty, S., Patnaik, S., and Dash, S. K. (2022). SKCV: Stratified K-fold cross-validation on ML classifiers for predicting cervical cancer. Frontiers in Nanotechnology, 4.
van Drongelen, W. (2007). 6 - Continuous, Discrete, and Fast Fourier Transform. In van Drongelen, W., editor, Signal Processing for Neuroscientists, pages 91–105. Academic Press, Burlington.
Varghese, J., Brenner, A., Fujarski, M., van Alen, C. M., Plagwitz, L., and Warnecke, T. (2024). Machine Learning in the Parkinson’s disease smartwatch (PADS) dataset. npj Parkinson’s Disease, 10(1):9.
Zhou, Z. D., Yi, L. X., Wang, D. Q., Lim, T. M., and Tan, E. K. (2023). Role of dopamine in the pathophysiology of Parkinson’s disease. Translational Neurodegeneration, 12(1):25.
Bloem, B. R., Okun, M. S., and Klein, C. (2021). Parkinson’s disease. Nature Reviews Disease Primers, 7(1):52.
Hasan, M. (2025). Parkinson’s Disease Freezing of Gait Symptom Detection Using Machine Learning from Wearable Sensor Data. arXiv preprint arXiv:2506.12561.
Ordóñez, F. J. and Roggen, D. (2016). Deep Convolutional and LSTM Recurrent Neural Networks for Multimodal Wearable Activity Recognition. In 2016 International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI), pages 425–432.
Pietrosanti, L., Calado, A., Verrelli, C., Pisani, A., Suppa, A., Fattapposta, F., Zampogna, A., Patera, M., Rosati, V., Giannini, F., and Saggio, G. (2023). Harmonic Distortion Aspects in Upper Limb Swings during Gait in Parkinson’s Disease. Electronics, 12:625.
Prusty, S., Patnaik, S., and Dash, S. K. (2022). SKCV: Stratified K-fold cross-validation on ML classifiers for predicting cervical cancer. Frontiers in Nanotechnology, 4.
van Drongelen, W. (2007). 6 - Continuous, Discrete, and Fast Fourier Transform. In van Drongelen, W., editor, Signal Processing for Neuroscientists, pages 91–105. Academic Press, Burlington.
Varghese, J., Brenner, A., Fujarski, M., van Alen, C. M., Plagwitz, L., and Warnecke, T. (2024). Machine Learning in the Parkinson’s disease smartwatch (PADS) dataset. npj Parkinson’s Disease, 10(1):9.
Zhou, Z. D., Yi, L. X., Wang, D. Q., Lim, T. M., and Tan, E. K. (2023). Role of dopamine in the pathophysiology of Parkinson’s disease. Translational Neurodegeneration, 12(1):25.
Publicado
04/12/2025
Como Citar
PADILHA, Rafael Alves; LOBO, Pedro Lemes Sixel; SALVINI, Rogerio; SOARES, Fabrizzio; FELIX, Juliana.
Identificação da Doença de Parkinson através da Análise de Dados Coletados por Smartwatch. In: ESCOLA REGIONAL DE INFORMÁTICA DE GOIÁS (ERI-GO), 13. , 2025, Luziânia/GO.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 185-194.
DOI: https://doi.org/10.5753/erigo.2025.17114.
