نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• گیسو فتحی ¹
• پیوند قادریان ²

¹ دانشگاه صنعتی سهند تبریز

² هیات علمی/دانشگاه صنعتی سهند تبریز

چکیده

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.

کلیدواژه‌ها

• بیماری پارکینسون
• k-نزدیک‌ترین همسایگی
• شبکه عصبی احتمالی
• ویژگی متقارن
• نیروی عکس‌العمل عمودی زمین

عنوان مقاله [English]

Algebraic Analysis of Vertical Ground Reaction Force Signal for diagnosis and Differentiation of Parkinson's Disease Severity

نویسندگان [English]

• Gisoo Fathi ¹
• Peyvand Ghaderyan ²

¹ Sahand univercity of technology

² assistant professor of biomedical engineering, Sahand University of Technology

چکیده [English]

Parkinson’s Disease (PD) is one of the most common neurodegenerative diseases that cause abnormal gait patterns by affecting central nervous system. Since this disease is incurable, the reliable diagnosis can lead to slowing disease progression, reducing the risk of physical injuries and improving the quality of patient's life. In this regard, the development of fast, cost-effective and reliable detection systems is essential. This study has therefore proposed a detection method using vertical ground reaction force signals, which provide a non-invasive and useful index of the motor control function. It is based on generalized singular value decomposition, K-Nearest Neighbor (KNN) and Probabilistic Neural Network (PNN). The performance of the algorithm has been evaluated by gait signal of 93 individuals with PD and 73 healthy controls. The results have demonstrated that the proposed new symmetric feature is able to achieve 96.19% and 95.67% accuracy rates, 97.22% and 93.35% sensitivity rates, 95.02% and 97.33% specificity rates using the KNN and PNN classifiers, respectively. Furthermore, average accuracy rates of 98.23% and 98.51%, sensitivity rates of 93.5% and 100%, specificity rates of 100% and 96.53% have been obtained for stage classification using these two classifiers. The obtained high average accuracy rates have confirmed the promising capability of the proposed non-invasive and cost-effectiv

کلیدواژه‌ها [English]

• Parkinson&rsquo
• s Disease
• K-Nearest Neighbor
• Probabilistic Neural Network
• Symmetric Feature
• Vertical Ground Reaction Force