پیشبینی وقوع gvca در وضعیت استراحت برای بیماران دچار پارکینسون با استفاده از سیستم عصبی- فازی و الگوریتم بهینه سازی انبوه ذرات

يکی از عمده ترين نشانه های پارکینسون، وقوع ترمور درحالت استراحت است. در اين تحقیق يک مدل پیشبین مبتنی بر سیستمهای عصبی- فازی به منظور پیشبینی و آشکارسازی وقوع ترمور مچ دست در وضعیت استراحت، ارائه شده است . مدل پیشبین ارائه شده قادر است وقوع ترمور را در حداکثر 2 ثانیه پیش از مشاهده، آشکار نمايد. عملکرد مدل عصبی- فازی مبتنی بر آنالیز تغییرات سیگنال الکترومايوگرام عضلات بازکننده مچ دست، بوده است. سیگنال الکترومايوگرام عضله بازکننده مچ بیماران پارکینسون، در وضعیت استراحت ثبت شده اند. پنجره زمانی 2 ثانیه مانده به زمان وقوع ترمور، به پنج پنجره زمانی تقسیم شدند پنج ويژگی آنتروپی، فرکانس میانی، متوسط مقدار قدر مطلق سیگنال،متوسط قدر مطلق و توان سیگنال از هر پنجره استخراج شدند. سیستم عصبی- فازی بگونه ای آموزش داده شد تا بتواند در حداقل يکی از چهار پنجره زمانی مذکور، وقوع ترمور را پیشبینی نمايد. به منظور بهینه سازی مدل عصبی- فازی از الگوريتم انبوه ذرات استفاده شده است. نتايج نشان میدهند که آشکارساز عصبی- فازی به همراه الگوريتم بهینه سازی انبوه ذرات، توانسته است با صحت بیش از 98 درصد، وقوع ترمور مچ دست در وضعیت استراحت را پیشبینی نمايد.

کلیدواژه ها:

الکترومایوگرام ، الگوریتم بهینه سازی انبوهی ذرات ، پارکینسون ، ترمور ، سیستم عصبی- فازی