بیماری پارکینسون یکی از رایج‌ترین بیماری‌های پیش‌رونده‌ی تدریجی است که با تاثیر بر سیستم عصبی مرکزی، سبب بروز اختلالات راه رفتن می‌گردد. ازآنجایی‌که این بیماری قابل‌درمان نیست، تشخیص صحیح و به‌موقع آن، می‌تواند به آهسته کردن سیر پیشرفت بیماری، کاهش آسیب‌های جسمی و ارتقای کیفیت زندگی بیماران، کمک شایانی نماید. در این راستا ...
بیشتر
بیماری پارکینسون یکی از رایج‌ترین بیماری‌های پیش‌رونده‌ی تدریجی است که با تاثیر بر سیستم عصبی مرکزی، سبب بروز اختلالات راه رفتن می‌گردد. ازآنجایی‌که این بیماری قابل‌درمان نیست، تشخیص صحیح و به‌موقع آن، می‌تواند به آهسته کردن سیر پیشرفت بیماری، کاهش آسیب‌های جسمی و ارتقای کیفیت زندگی بیماران، کمک شایانی نماید. در این راستا توسعه‌ی سیستم‌های تشخیصی با عملکرد سریع، کم‌هزینه و قابل‌اعتماد حائز اهمیت است. برای حل این مسئله در این تحقیق، یک روش تشخیصی با استفاده از سیگنال نیروی عکس‌العمل عمودی زمین که یک شاخص غیرتهاجمی و مفیدی از نحوه کنترل حرکتی فراهم می‌آورد، ارائه‌شده است. این روش تشخیصی، براساس تجزیه تعمیم‌یافته مقدار تکین سیگنال و طبقه‌بندهای k-نزدیکترین همسایگی (KNN) و شبکه عصبی احتمالی (PNN) است. عملکرد این الگوریتم با استفاده از سیگنال راه رفتن 93 بیمار پارکینسونی و 73 فرد سالم مورد ارزیابی قرارگرفته است. نتایج به‌دست‌آمده نشان می-دهد که ویژگی جدید متقارن ارائه‌شده، قادر است بیماری پارکینسون را به‌کمک روش طبقه‌بندی k-نزدیکترین همسایگی و شبکه عصبی احتمالی به ترتیب با صحت 96/19 درصد و 95/67 درصد، حساسیت 97/02، 93/35 و اختصاصیت 95/02، 97/33تشخیص دهد. از سوی دیگر این روش در تشخیص شدت بیماری نیز موفق به ارائه صحت 98/23 درصد و 98/51درصد، حساسیت 93/5 درصد و 100 درصد و اختصاصیت 100 درصد و 96/53 درصد برای این دو طبقه‌بند، شده است. نتایج با صحت بالای به‌دست‌آمده نشان از قابلیت مناسب روش غیرتهاجمی و کم‌هزینه ارائه‌شده در تشخیص بیماری پارکینسون و تفکیک شدت آن دارد که استفاده از آن را در کاربردهای کلینیکی ممکن می‌سازد.
