|
|
تحلیل جبری سیگنال نیروی عکسالعمل عمودی زمین برای تشخیص و تفکیک شدت بیماری پارکینسون
|
|
|
|
|
نویسنده
|
فتحی گیسو ,قادریان پیوند
|
منبع
|
مهندسي پزشكي زيستي - 1400 - دوره : 15 - شماره : 2 - صفحه:161 -174
|
چکیده
|
بیماری پارکینسون یکی از رایج ترین بیماری های پیش رونده ی تدریجی است که با تاثیر بر سیستم عصبی مرکزی باعث بروز اختلالات راه رفتن می شود. از آنجا که این بیماری قابلدرمان نیست، تشخیص صحیح و به موقع آن می تواند به آهسته کردن سیر پیشرفت بیماری، کاهش آسیب های جسمی و ارتقای کیفیت زندگی بیماران کمک شایانی نماید. در این راستا توسعه ی سیستم های تشخیصی با عملکرد سریع، کمهزینه و قابل اعتماد حائز اهمیت است. برای حل این مساله در این تحقیق یک روش تشخیصی با استفاده از سیگنال نیروی عکس العمل عمودی زمین که یک شاخص غیر تهاجمی و مفید از نحوهی کنترل حرکتی فراهم می کند، ارائه شده است. این روش تشخیصی بر اساس تجزیهی تعمیم یافتهی مقدار تکین سیگنال و طبقه بندهای kنزدیک تر ین همسایگی (knn) و شبکهی عصبی احتمالی (pnn) است. عملکرد این الگوریتم با استفاده از سیگنال راه رفتن 93 بیمار پارکینسون و 73 فرد سالم مورد ارزیابی قرار گرفته است. نتایج به دست آمده نشان می دهد که ویژگی جدید متقارن ارائه شده قادر است بیماری پارکینسون را به کمک روش طبقه بندی kنزدیکترین همسایگی و شبکهی عصبی احتمالی به ترتیب با صحت 96.19% و 95.67%، حساسیت 97.02% و 93.35% و اختصاصیت 95.02% و 97.33% تشخیص دهد. از سوی دیگر این روش در تشخیص شدت بیماری نیز موفق به ارائهی صحت 98.23% و 98.51%، حساسیت 93.5% و 100% و اختصاصیت 100% و 96.53% برای این دو طبقه بند شده است. صحت بالای نتایج به دست آمده نشان دهندهی قابلیت مناسب روش غیرتهاجمی و کمهزینهی ارائه شده در تشخیص بیماری پارکینسون و تفکیک شدت آن است که استفاده از آن را در کاربردهای کلینیکی ممکن می سازد.
|
کلیدواژه
|
بیماری پارکینسون ,k-نزدیکترین همسایگی ,شبکهی عصبی احتمالی ,ویژگی متقارن ,نیروی عکسالعمل عمودی زمین
|
آدرس
|
دانشگاه صنعتی سهند, دانشکدهی مهندسی پزشکی, ایران, دانشگاه صنعتی سهند, دانشکدهی مهندسی پزشکی, آزمایشگاه علوم اعصاب محاسباتی, ایران
|
|
|
|
|
|
|
|
|
|
|
Algebraic Analysis of Vertical Ground Reaction Force Signal for diagnosis and Differentiation of Parkinson's Disease Severity
|
|
|
Authors
|
Fathi Gisoo ,Ghaderyan Peyvand
|
Abstract
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|