Parkinson’s disease is a neurological disorder which affects the quality of life of the patients and has major social and economical impact. To diagnose the disease, clinical examinations and observations with Unified Parkinson’s disease Rating Scale (UPDRS) have been used, but especially on the initial phase of the disease, this method may be insufficient. In this paper, we used biomedical voice measurements obtained from sustained phonation samples for detection of Parkinson’s disease. We compared the six different types of feature selection procedures. These are Bhattacharyya, information gain, relief, minimum-redundancy maximum-relevancy (MRMR), t-test, and support vector machine methods based on recursive feature elimination (SVM-RFE). It was found that SVM-RFE gave the best recognition results with the 95.13% classification accuracy for Parkinson’s disease dataset.

Parkinson hastalığı, hastanın yaşam kalitesini etkileyen, önemli sosyal ve ekonomik etkileri bulunan bir nörolojik bozukluktur. Hastalık teşhisinde klinik gözlem ve değerlendirmeler ile birlikte birleştirilmiş
Parkinson hastalığı değerlendirme ölçeği kullanılmakta, ancak özellikle hastalığın başlangıç döneminde bu yöntem yetersiz kalabilmektedir. Bu çalışmada, Parkinson hastalığının teşhisi için sürdürülmüş fonasyon örneklerinden elde edilen biyomedikal ses ölçümleri kullanıldı. Altı farklı öznitelik seçme yöntemi karşılaştırıldı. Bunlar; Bhattacharyya, bilgi kazancı, relief, minimum-artıklık maksimum-ilgililik (MRMR), test ve özyinelemeli öznitelik eksiltme temelli destek vektör makinesi (SVM-RFE) yöntemleridir. Parkinson hasta veri seti için, SVM-RFE öznitelik seçme yöntemi % 95.13 doğru sınıflandırma oranı ile en iyi tanıma sonucunu vermiştir.