سال انتشار: 1398
محل انتشار: اولین کنفرانس ملی پژوهشهای نوین در مهندسی پزشکی
کد COI مقاله: MRME01_056
زبان مقاله: فارسیمشاهد این مقاله: 130
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد.
مشخصات نویسندگان مقاله تشخیص و طبقه بندی بیماری پارکینسون از طریق سیگنال گفتار با استفاده از تکنیک های پردازش سیگنال: یک مرور سیستماتیک
چکیده مقاله:
زمینه و هدف:بیماران مبتلا به پارکینسون معمولاً از اختلالات مربوط به صوت و حنجره مانند اختلال تکلّم، کاهش شدت گفتار و هجیکردن کلمات رنج می برند. این علائم و نشانه ها با پیشرفت روند بیماری افزایش می یابند. استفاده از روش های پردازش سیگنال به منظور تشخیص این بیماری از سیگنال گفتار به عنوان روشی کم هزینه و غیرتهاجمی در چندین مطالعه بین المللی حائز اهمیت بوده است. لذا هدف از مطالعه حاضر بررسی عملکرد الگوریتم های مختلف جهت تشخیص و طبقه بندی بیماری پارکینسون از طریق سیگنال گفتار به روش مرور سیستماتیک می باشد. روش جستجو:پایگاه های اطلاعاتی و موتورهای جستجوی Scopus, Science Direct, IEEE, Embase, Cochrane Library, Google Scholar, and SID با استفاده از کلیدواژه های Parkinson’s Disease, Speech Signal, Classfication, and Diagnosis و معادل فارسی آنها بدون در نظرگرفتن محدودیت زمانی مورد جستجو قرار گرفتند.جهت جستجوی گسترده تر لیست منابع مقالات مرتبط نیز بصورت دستی جستجو شد. مقالات بدست آمده مطابق چکلیست PRISMA و با مشورت دو نویسنده در مورد اختلافات بصورت مستقل، مورد بررسی قرار گرفت و اطلاعات دقت الگوریتم ها در تشخیص بیماری پارکینسون استخراج گردید. یافته ها: پس از انجام جستجوی اولیه 347 مقاله مورد بازیابی قرار گرفت. در مجموع و بدون درنظرگرفتن مقالات تکراری و غیرمرتبط 14 مقاله انتخاب شدند که این مقالات در بازه زمانی 2012 تا 2019 منتشر شده بودند. به ترتیب دقت شبکه های عصبی جلورونده % 60 ، خودسازمانده 81/52% و پرستپترون چند لایه 92/30% محاسبه شده بودند. همچنین دقت طبقه بندی کننده ها و تکنیک های یادگیری معیار Metric و 67/79% ، k تا نزدیک ترین همسایه % 85 ، رگرسیون لجستیک 85/5% آدابوست M1، 88/20% درخت تصمیم گیری 84/61% و جنگل تصادفی 87/03% و j48 و 89/74% ، بیز ساده 91/28% ترکیب SMOTE با جنگل تصادفی 94/89% و ماشین بردار پشتیبان (تابع کرنل خطی % 83 ) و (تابع کرنل عمومی % 85 ) و (مدل حداقل مربعات 87/86%) و بهینه سازی متوالی کمینه 91.28% و تابع کرنل پایه شعاعی 95/93% محاسبه شده بودند. برخی الگوریتم ها در بیش از یک مقاله با ویژگی های متفاوت استفاده شده بودند که در این مطالعه بالاترین دقت ذکر گردید.نتیجه گیری:در 8 مقاله از 14 مقاله مورد مطالعه، ماشین بردار پشتیبان به طور مشترک برای طبقه بندی استفاده شده است همچنین ویژگی های استخراجشده از سیگنال گفتار در 14 مقاله متفاوت بوده است. باتوجه به اینکه ماشین بردار پشتیبان در 5 مقاله از 8 مقاله بیشترین دقت را در میان تمام الگوریتم ها با استخراج ویژگی های متفاوت داشته است؛ به نظر می رسد ممکن است با ترکیب ماشین بردار پشتیبان با تابع کرنل پایه شعاعی با بالاترین دقت 95/93% با دیگر الگوریتم ها ضمن بهینه کردن سرعت آن بتوان بصورت بلادرنگ تشخیص بیماری پارکینسون را انجام داد
کلیدواژه ها:
بیماری پارکینسون، سیگنال گفتار، طبقه بندی کننده، ماشین بردار پشتیبان
کد مقاله/لینک ثابت به این مقاله
برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/1151279/
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:زندی، علیرضا و عادلی، محمد،1398،تشخیص و طبقه بندی بیماری پارکینسون از طریق سیگنال گفتار با استفاده از تکنیک های پردازش سیگنال: یک مرور سیستماتیک،اولین کنفرانس ملی پژوهشهای نوین در مهندسی پزشکی،دزفول،،،https://civilica.com/doc/1151279
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، زندی، علیرضا؛ محمد عادلی)
برای بار دوم به بعد: (1398، زندی؛ عادلی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مقالات مرتبط جدید
- مدلسازی لیزر نقطه کوانتومی مبتنی بر کاواک فوتونیک کریستال
- طراحی دیکشنری توصیفی – تفکیکی با استفاده از نمایش تنک سریع
- بررسی امنیت و چالشهای حریم خصوصی در اینترنت اشیا
- ارائه ی راهکاری در سیستم تشخیص نفوذ به منظور کلاس بندی و کاهش حملات بااستفاده از الگوریتم های یادگیری ماشین و بریچ
- بررسی مخاطرات امنیتی برای گوشی های تلفن همراه دارای سیستم عامل اندروید
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.