تشخیص بیماری‌های عصبی پیش‌رونده‌ی تدریجی با استفاده از ویژگی‌های زمانفرکانسی متقارن سیگنال راه رفتن

در سال‌های اخیر تشخیص بیماری‌های عصبی پیش رونده‌ی تدریجی به یکی از چالش‌برانگیزترین مسائل در حوزه‌ی پزشکی تبدیل شده است. اسکلروز جانبی آمیوتروفیک، پارکینسون و هانتینگتون مجموعه‌ای از شایع‌ترین بیماری‌های عصبی پیش‌رونده‌ی تدریجی بوده که بر کیفیت زندگی بیماران تاثیر به سزایی می گذارند. وقوع این بیماری ها به دلیل زوال سلول های حرکتی سیستم عصبی است که می‌تواند منجر به اختلال در راه رفتن و عدم تقارن بین دو سمت بدن شود. از این رو در این مطالعه، در ابتدا با روش الگوریتم پیگیری تطبیقی سیگنال های سری زمانی پای چپ و راست در فواصل گام، ایستایی و نوسانی تجزیه و تنک‌ شده، سپس میزان تطابق و همسانی ضرایب به دست آمده توسط یک سری ویژگی های دینامیکی و دیفرانسیلی ارزیابی شده و اجزای اصلی این ویژگی ها به عنوان ورودی به طبقه‌بند کم‌ترین مربعات غیرمنفی تنک‌ داده شده است. الگوریتم پیشنهادی به کمک پایگاه داده‌ی سیگنال راه رفتن شامل 16 فرد سالم، 15 فرد مبتلا به پارکینسون، 20 فرد مبتلا به هانتینگتون و 13 فرد مبتلا به اسکلروز جانبی آمیوتروفیک، آزمایش شده است. نتایج نشان داده که روش پیشنهادی قادر است به ترتیب برای هر سه بیماری اسکلروز جانبی آمیوتروفیک، پارکینسون و هانتینگتون میانگین صحت های 84.10، 86.67 و 91.43 درصد را ارائه دهد.