Recently, Parkinson's disease is a serious health problem. The incidence is increasing especially in people over 65 years of age. The adverse effects of the disease on motor activities distract patients from social environments. The diagnosis of Parkinson's disease is quite difficult. Therefore, computer-aided systems are used. Diagnosis by the Parkinson spiral test is one of these methods. In this study, it is recommended to analyze the spirals drawn in the diagnosis of Parkinson's disease by pattern recognition methods. The spirals drawn by the patients were assumed to be characters. In this way, a high p low n problem occurs when the data set is converted. Therefore, the effect of feature selection by genetic algorithm has been investigated. In the classification process, k-NN and decision trees were used. The results are validated by a leave one out cross validation method. In this study, the data set prepared by the Department of Neurology in Cerrahpasa Faculty of Medicine, Istanbul University was used. The experimental results obtained show that the proposed method gives successful results. Specifically, accuracy value obtained 1.00 in the decision tree classification by selecting the feature with the genetic algorithm.

Parkinson hastalığı son zamanlarda ciddi bir sağlık sorunu haline gelmiştir. Etkileri özellikle 65 yaş üstü hastalarda gittikçe artmaktadır. Hastalığın motor aktiviteler üzerindeki olumsuz etkileri hastaları sosyal ortamlardan uzaklaştırmaktadır. Tanısı oldukça zor olan Parkinson hastalığının teşhisinde bilgisayar destekli sistemlerin kullanımı artmaktadır. Parkinson spiral testi ile teşhis bu yöntemlerden biridir. Bu çalışmada, Parkinson hastalığının tanısında çizilen spirallerin örüntü tanıma yöntemleriyle analiz edilmesi önerilir. Hastalar tarafından çizilen spiraller karakter olarak kabul edilmiştir. Bu şekilde, veri setine dönüştürüldüğünde yüksek p düşük n problemi ortaya çıkmaktadır. Bu nedenle, öznitelik seçiminin genetik algoritma ile etkisi araştırılmıştır. Sınıflandırma sürecinde k-EK (k - en yakın komşu) ve karar ağaçları yöntemleri kullanılmıştır. Sonuçlar, birini dışarda bırak çapraz doğrulama yöntemiyle doğrulanmıştır. Bu çalışmada, İstanbul Üniversitesi Cerrahpaşa Tıp Fakültesi Nöroloji Anabilim Dalı tarafından hazırlanan veriler kullanılmıştır. Elde edilen deneysel sonuçlar önerilen yöntemin başarılı sonuçlar verdiğini göstermektedir. Spesifik olarak, doğruluk değeri, genetik algoritma ile öznitelik seçme yöntemi karar ağacı sınıflandırmasında 1.00 olarak elde edilmiştir.