معصومه سلجوقی؛ پیوند قادریان
دوره 15، شماره 1 ، اردیبهشت 1400، ، صفحه 59-71
چکیده
در سالهای اخیر تشخیص بیماریهای عصبی پیشروندهی تدریجی به یکی از چالشبرانگیزترین مسائل در حوزهی پزشکی تبدیل شده است. اسکلروز جانبی آمیوتروفیک، پارکینسون و هانتینگتون مجموعهای از شایعترین بیماریهای عصبی پیشروندهی تدریجی بوده که بر کیفیت زندگی بیماران تاثیر به سزایی میگذارند. وقوع این بیماریها به دلیل زوال ...
بیشتر
در سالهای اخیر تشخیص بیماریهای عصبی پیشروندهی تدریجی به یکی از چالشبرانگیزترین مسائل در حوزهی پزشکی تبدیل شده است. اسکلروز جانبی آمیوتروفیک، پارکینسون و هانتینگتون مجموعهای از شایعترین بیماریهای عصبی پیشروندهی تدریجی بوده که بر کیفیت زندگی بیماران تاثیر به سزایی میگذارند. وقوع این بیماریها به دلیل زوال سلولهای حرکتی سیستم عصبی است که میتواند منجر به اختلال در راه رفتن و عدم تقارن بین دو سمت بدن شود. از این رو در این مطالعه، در ابتدا با روش الگوریتم پیگیری تطبیقی سیگنالهای سری زمانی پای چپ و راست در فواصل گام، ایستایی و نوسانی تجزیه و تنک شده، سپس میزان تطابق و همسانی ضرایب به دست آمده توسط یک سری ویژگیهای دینامیکی و دیفرانسیلی ارزیابی شده و اجزای اصلی این ویژگیها به عنوان ورودی به طبقهبند کمترین مربعات غیرمنفی تنک داده شده است. الگوریتم پیشنهادی به کمک پایگاه دادهی سیگنال راه رفتن شامل ۱۶ فرد سالم، ۱۵ فرد مبتلا به پارکینسون، ۲۰ فرد مبتلا به هانتینگتون و ۱۳ فرد مبتلا به اسکلروز جانبی آمیوتروفیک، آزمایش شده است. نتایج نشان داده که روش پیشنهادی قادر است به ترتیب برای هر سه بیماری اسکلروز جانبی آمیوتروفیک، پارکینسون و هانتینگتون میانگین صحتهای 10/84، 67/86 و 43/91 درصد را ارائه دهد.