بررسی نقش ویژگی‌های آوایی و تلفظی در تشخیص بیماری پارکینسون با استفاده از ویژگی‌های استخراج شده‌ی بهینه توسط الگوریتم ژنتیک

بیماری پارکینسون بعد از آلزایمر به عنوان رایج‌ترین بیماری مخرب سیستم عصبی شناخته می‌شود. یکی از عوارض شایع این بیماری، به وجود آمدن اختلالات گفتاری است. با توجه به این که تولید گفتار در انسان شامل تولید صوت در اثر ارتعاش تارهای صوتی (بخش آوایی) و سپس عبور آن از فیلتر لوله‌ی صوتی (بخش تلفظی) است، انتظار می‌رود هر کدام از این دو بخش دچار اختلال شوند. در این تحقیق با استفاده از یک روش غیرتهاجمی و به کمک سیگنال گفتار فرد، به تشخیص بیماری پارکینسون پرداخته شده است. بدین منظور از گویش 3 واکه‌ی کشیده‌ی زبان فارسی توسط 48 نفر (27 نفر مبتلا به بیماری پارکینسون و 21 نفر سالم) استفاده شده است تا میزان تخریب دو بخش تلفظی و آوایی ارزیابی شود. از ویژگی های مرتبط با بخش آوایی تولید گفتار می توان به جیتر، شیمر، فرکانس گام و طول زمانی باز و بسته شدن پالس های چاکنایی و از ویژگی های بخش تلفظی گفتار می توان به فرمنت های اول، دوم و سوم، نرخ عبور از صفر، mfcc و lpc اشاره کرد. در این تحقیق، در مجموع 38 دسته‌ی ویژگی استخراج شده و چهار پارامتر آماری میانگین، انحراف معیار، ضریب چولگی و ضریب کشیدگی از روی آن ها محاسبه شده است. در ادامه از الگوریتم ژنتیک برای شناسایی ویژگی های بهینه استفاده شده و شناسایی بیماری پارکینسون با به کارگیری طبقه‌بندهای svm، knn و درخت تصمیم‌گیر انجام شده است. به عنوان شاخصه‌ی اصلی این پژوهش، نتایج مربوط به دو بخش آوایی و تلفظی مورد مقایسه و چالش قرار گرفته است. نتایج حاصل از این مطالعه نشان داده که ویژگی های آوایی با صحت 1.2±96.1% نسبت به ویژگی های تلفظی در تشخیص بیماری پارکینسون نقش مفیدتری داشته و هم‌چنین واکه‌ی /او/ با میزان صحت 97.6% بهترین عمل‌کرد را در تشخیص بیماری پارکینسون  نسبت به سایر واکه ها داشته است.