اثر پیش‌رفت بیماری پارکینسون بر ویژگی‌های آشوبی rqa

بیماری پارکینسون یک بیماری تخریب کننده‌ی عصبی است که باعث اختلالات حرکتی شدیدی مانند برادی‌کینزی، سفتی و لرزش می‌شود. هیچ درمانی برای بیماری پارکینسون وجود ندارد و تنها می‌توان با علائم آن مقابله کرد. تشخیص بیماری پارکینسون با استفاده از مقیاس جهانی سطح‌بندی mds-updrs صورت می‌گیرد. در این مقیاس چهار سطح جزئی، خفیف، متوسط و شدید برای بیماری تعریف شده که آزمون نواخت انگشتان یکی از موارد مقیاس سطح‌بندی است. نگاشت‌ بازرخداد و ویژگی‌های rqa ابزاری برای توصیف رفتار سامانه‌های آشوب‌ناک و آشکار ساختن الگوهای پنهان در پویایی سامانه می‌باشند. در این مقاله اثر پیش‌رفت سطح بیماری پارکینسون بر ویژگی‌های آشوبی rqa مورد مطالعه قرار گرفته است. بدین منظور از مجموعه‌ی دادگان شتاب‌سنج نصب شده روی دست حین انجام آزمون نواخت انگشت استفاده شده که شامل 67 داده‌ی سالم، 54 داده‌ی سطح یک، 66 داده‌ی سطح دو، 59 داده‌ی سطح سه و 14 داده‌ی سطح چهار بیماری است. پس از انجام پیش‌پردازش، نگاشت‌های بازرخداد دادگان رسم شده و ویژگی‌های rqa آن‌ها محاسبه شده است. الگوهای نگاشت‌های بازرخداد شامل نقاط بازرخداد مجزا، خطوط قطری، خطوط عمودی، مربع‌های سیاه رنگ و نوارهای سفید رنگ افقی و عمودی بررسی شده است. طبق نتایج به دست آمده، الگوهای نگاشت‌های بازرخداد دارای تفاوت‌های معناداری در بین سطوح مختلف بیماری پارکینسون است. بنابراین می‌توان از ویژگی‌های rqa برای تعیین خودکار سطح بیماری پارکینسون بهره گرفت.

the effect of parkinson's disease progression on rqa chaotic features

parkinson's disease is a neurodegenerative disease that causes severe movement disorders including bradykinesia, rigidity, and tremors. there is no cure for parkinson's disease, only the symptoms can be managed. parkinson's disease is diagnosed using the mdsupdrs global grading scale. in this scale, four levels including slight, mild, moderate, and severe levels are defined for the disease. recurrence plots and rqa features are tools for describing the behavior of chaotic systems and revealing hidden patterns in system dynamics. in this paper, the effect of parkinson's disease progression on rqa chaotic features is studied. for this purpose, the dataset of the accelerometer mounted on the hand during the finger tapping test was used, which included 67 healthy data, 54 level one data, 66 level two data, 59 level three data, and 14 level four data. after pre-processing, therecurrence plots of the data were drawn and their rqa characteristics were calculated.patterns of recurrence plots including separate recurrence points, diagonal lines, vertical lines, black squares, and horizontal and vertical white bands were investigated. accordingto the obtained results, the patterns of recurrence plots had significant differences among different levels of parkinson's disease. therefore, rqa features can be used to automatically determine the level of parkinson's disease.