بیماری پارکینسون یکی از رایجترین بیماریهای پیشروندهی تدریجی است که با تاثیر بر سیستم عصبی مرکزی باعث بروز اختلالات راه رفتن میشود. از آنجا که این بیماری قابلدرمان نیست، تشخیص صحیح و به موقع آن میتواند به آهسته کردن سیر پیشرفت بیماری، کاهش آسیبهای جسمی و ارتقای کیفیت زندگی بیماران کمک شایانی نماید. در این ...
بیشتر
بیماری پارکینسون یکی از رایجترین بیماریهای پیشروندهی تدریجی است که با تاثیر بر سیستم عصبی مرکزی باعث بروز اختلالات راه رفتن میشود. از آنجا که این بیماری قابلدرمان نیست، تشخیص صحیح و به موقع 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 قابل اعتماد حائز اهمیت است. برای حل این مساله در این تحقیق یک روش تشخیصی با استفاده از سیگنال نیروی عکسالعمل عمودی زمین که یک شاخص غیرتهاجمی و مفید از نحوهی کنترل حرکتی فراهم میکند، ارائه شده است. این روش تشخیصی بر اساس تجزیهی تعمیمیافتهی مقدار تکین سیگنال و طبقهبندهای k-نزدیکترین همسایگی (KNN) و شبکهی عصبی احتمالی (PNN) است. عملکرد این الگوریتم با استفاده از سیگنال راه رفتن 93 بیمار پارکینسون و 73 فرد سالم مورد ارزیابی قرار گرفته است. نتایج به دست آمده نشان میدهد که ویژگی جدید متقارن ارائه شده قادر است بیماری پارکینسون را به کمک روش طبقهبندی k-نزدیکترین همسایگی و شبکهی عصبی احتمالی به ترتیب با صحت 19/96% و 67/95%، حساسیت 02/97% و 35/93% و اختصاصیت 02/95% و 33/97% تشخیص دهد. از سوی دیگر این روش در تشخیص شدت بیماری نیز موفق به ارائهی صحت 23/98% و 51/98%، حساسیت 5/93% و 100% و اختصاصیت 100% و 53/96% برای این دو طبقهبند شده است. صحت بالای نتایج به دست آمده نشان دهندهی قابلیت مناسب روش غیرتهاجمی و کمهزینهی ارائه شده در تشخیص بیماری پارکینسون و تفکیک شدت آن است که استفاده از آن را در کاربردهای کلینیکی ممکن میسازد.