Parkinson?s disease, Alzheimer?s and epilepsy are some of neurological disorders which are very common throughout the world. Among them the most common one is Parkinson?s disease (PD) which impairs motor skills, speech, and such other functions as talking, behavior, and mood. Although medication is available offering significant consolation of symptoms, especially at the early stages of the disease, today there is no comprehensive cure. Thus, early diagnosis is critically important in order to improve the patient?s quality of life and prolong it.Vocal impairment such as dysphonia is the most commonly observed symptom in the people with PD. So, vocal impairment may also be one of the earliest indicators for the onset of the illness, and the measurement of voice is non-invasive and simple to administer. Recently in the literature, voice measurement to detect and track the progression of symptoms of PD has drawn significant attention.This study has a main objective to discriminate people with Parkinson?s disease from healthy people by classifying and evaluating dysphonia. Our study comprises of three different pattern recognition methods, random forest (RF), artificial neural networks (ANNs) and support vector machines (SVMs) employed to develop decision support system for the diagnosis of PD by using feature vectors extracted from voice recordings of patients. Our study has a triple aim. Firstly, it investigates the features for the diagnosis of PD. Secondly; it measures the importance of each attribute in the classification. Finally, it evaluates the performance of each classifier.

Parkinson hastalığı, Alzheimer hastalığı ve sara hastalığı dünya genelinde oldukça yaygın görülen sinirsel rahatsızlıklardan bazılarıdır. Bunların arasında en yaygınlarından biri olan Parkinson hastalığı, hareket becerilerini, sesli-iletişim becerisini ve konuşma, davranış ve ruh hali gibi diğer özellikleri tahrip eder. Özellikle hastalığın erken evrelerinde, rahatsızlık belirtilerinin şiddetinin azaltılmasında oldukça başarılı ilaç tedavilerinin bulunmasına rağmen, günümüzde henüz Parkinson hastalığı için kapsamlı herhangi bir tedavi mevcut değildir. Sonuç olarak, hastanın yaşam niteliğini artırmak ve yaşamını uzatmak amacıyla hastalığın erken teşhis edilmesi bu açıdan çok önemlidir.Konuşma-zorluğu, disfoni, kelime telaffuz bozukluğu gibi ses bozuklukları, Parkinson hastaları arasında sık olarak rastlanmaktadır. Bu nedenle, ses bozukluğu da hastalığın başlangıcını teşhis etmek için en erken uyarıcı belirtilerden bir tanesi olabilir ve ses niteliklerinin ölçülmesi vücutta herhangi bir hasara neden olmayan ve üstesinden gelinmesi oldukça kolay bir işlemdir. Son zamanlarda, literatürde Parkinson hastalığı ile ilgili belirtilerin gelişimini algılamak ve izlemek için sesin ölçülmesi işlemi tüm dikkatleri üzerine çekmiştir.Bu çalışmanın temel amacı, konuşma-bozukluklarını belirleyerek Parkinson hastaları ile sağlıklı insanları sınıflandırma ile birbirinden ayırmaktır. Hasta ses kayıtlarından elde edilmiş özellik vektörleri kullanılarak Parkinson hastalığının teşhisi amacıyla karar destek sistemini oluşturmak için çalışmamızda Karmaşık Orman (RF), Yapay Sinir Ağları (ANN) ve Destek Vektör Makineleri (SVM) gibi üç adet farklı örüntü tanıma yöntemi kullanılmıştır. Çalışmamız da üç ana amaç mevcuttur. Birincisi, Parkinson hastalığını teşhis etmek için gerekli özellikleri araştırılmasıdır. İkincisi, sınıflandırma işlemi için her bir özelliğin öneminin değerlendirilmesidir. Son olarak her bir sınıflandırıcının etkinliğinin değerlendirilmesidir.