کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

تشخیص بیماری پارکینسون با استفاده از تحلیل سیگنال های الکتروانسفالوگرام مبتنی بر تبدیل والش هادامارد

نویسندگان :

یاسمین اعزازی¹ پیوند قادریان²

1- دانشگاه صنعتی سهند 2- دانشگاه صنعتی سهند

کلمات کلیدی :

بیماری پارکینسون، تکلیف یادگیری-تقویتی، k نزدیک ترین همسایگی، ماشین بردار پشتیبان

چکیده :

بیماری پارکینسون یکی از مهم ترین بیماری های سیستم عصبی است که به دلیل انحطاط نورون های دوپامینرژیک در جسم سیاه مغز رخ می دهد. از آنجایی که این بیماری درمان قطعی ندارد، بنابراین تشخیص کلینیکی و به موقع آن می تواند در کند نمودن سیر پیشرفت بیماری و ارائه راهکارهای کنترلی برای بهبود کیفیت زندگی بیماران نقش اساسی ایفا کند. یکی از چالش های اصلی در زمینه تشخیص، ارائه روشی غیرتهاجمی، کم هزینه و قابل اعتماد است. بدین منظور در این مطالعه از تحلیل سیگنال الکتروانسفالوگرام به عنوان یک مشخصه کم هزینه و غیرتهاجمی استفاده شده است. روش پیشنهادی بر مبنای استخراج اطلاعات فرکانسی سیگنال به کمک تبدیل والش و محاسبه مجموعه ای از ویژگی ها مانند ویژگی های آماری پایه، ویژگی های آماری مرتبه بالا، معیارهای تکانش و آنتروپی از ضرایبِ استخراج شده است. در انتها برای ارزیابی قدرت تفکیکی روش ارائه شده، ماتریس ویژگی ها با استفاده از ماشین بردار پشتیبان و k نزدیک ترین همسایگی به منظور تفکیک بیماران مبتلا به پارکینسون از گروه سالم پردازش شدند. قابلیت تشخیص روش با استفاده از داده های الکتروانسفالوگرام 28 فرد سالم و 28 بیمار مبتلا به پارکینسون در حین انجام تکلیف یادگیری-تقویتی مورد ارزیابی قرار گرفته است. نتایج به دست آمده نشان داد که روش پیشنهادی قادر است با استفاده از ویژگی آنتروپی، ماشین بردار پشتیبان و k نزدیک ترین همسایگی بیماری پارکینسون را به ترتیب با صحت بالای 95/99% و 98/99 % مورد تشخیص قرار دهد.