تشخیص بیماری پارکینسون براساس آنالیز شاخص های غیرخطی و ویژگی های بافتی سیگنالeeg

بیماری پارکینسون یک بیماری نورولوژیکی است که تاثیری بر حرکت و کنترل عضلات دارد در مغز تعداد زیادی سلول عصبی‌ به‌ نام نورون وجود دارد. تعداد سلول های عصبی‌ هنگام تولد بیشترین‌ تعداد سلول است‌. پارکینسون نوعی‌ اختلال پیشرونده سیستم‌ عصبی‌ است‌ که‌ روی حرکت‌ تاثیر می‌ گذارد. این بیماری معمولاً با علائمی مانند لرزش، سفتی عضلانی، آهستگی حرکت و مشکلات تعادل همراه است. تشخیص این بیماری بر اساس بررسی ویژگی‌هایی در سیگنال الکتروانسفالوگرام مشاهده می‌شود، ممکن است. الکتروانسفالوگرام تکنیک ثبت فعالیت الکتریکی مغز است. در بیماران پارکینسون، سیگنال الکتروانسفالوگرام معمولاً نشان دهنده وجود تغییرات در فعالیت الکتریکی مغز است. در این پایان‌نامه، به بررسی کارایی شاخص‌های غیرخطی در تشخیص بیماری پارکینسون پرداخته شده است.نتایج به دست آمده نشان می‌دهد که استفاده شاخص‌های غیرخطی می‌تواند بهبود قابل توجهی در دقت تشخیص بیماری پارکینسون ایجاد کند. همچنین، از اهمیت بالایی برخوردار است که الگوریتم ann نسبت به svm، دقت بیشتری در تشخیص بیماری دارد، اگرچه اجرای الگوریتم‌های ماشینی زمان بیشتری نیاز دارد. با ترکیب‌ و به‌ کار بردن تکنیک‌ها و الگوریتم‌های پردازش سیگنال و استفاده از شاخص‌ های آشوبی‌ وپردازش های غیرخطی‌، هم‌ به‌ پزشک‌ و هم‌ به‌ بیمار در تشخیص‌ زود هنگام بیماری و جلوگیری از پیشرفت‌ آن کمک‌ بسیاری خواهد شد.