تشخیص بیماری پارکینسون از روی سیگنال و صوت افراد با بکارگیری شبکه های عصبی مصنوعی

بیماری پارکینسون بیماری است که تشخیص آن به صورت پزشکی بسیار مشکل وهزینه بر است از آنجا که بیماریپارکینسون یک بیماری شایع در جوامع بشری است،هر روز محققان در پی این هستند تا یک راهحل برای تشخیص زودهنگاماین بیماری بیابند. در تشخیص بیماری پارکینسون از روش های مختلفی استفاده شده است از جمله این روش ها می توان بهسیستم های تشخیص گفتار اشاره نمود. از آنجا که اغلب این بیماری را توسط نشانه های صوتی بیماران مبتلا به بیماریپارکینسون مانند کاهش بلندی و وضوح صدا، اختلال در کیفیت صدا شناسایی می کنند. این روش کاربرد زیادی در تشخیصدقیق این بیماری دارد. تحقیقات قبلی بر روی بیماران نشان داده که ۹۰% از بیماران مبتلا به بیماری پارکینسون یک اختلالصوتی در آنها مشاهده شده است. بنابراین اندازه گیری این علایم صوتی و شناسایی آنها در تشخیص بیماری نقش مهمی ایفامی کنند. به این جهت از داده های صوتی در انجام این تحقیق استفاده می شود. به دلیل تعداد زیاد بیماران و آزمایش هایمتعدد هر بیمار، نیاز به یک ابزار خودکار برای کاوش در میان بیماران پارکینسون احساس می شود از طرفی از آنجا کهتکنیک های شبکه های عصبی مصنوعی برای پیش بینی بیماری های مختلف در زمینه پزشکی نقش مهمی ایفا می کنند، دراین مقاله از تکنیک های شبکه های عصبی پروپسترون چند لایه استفاده گردیده است. در انتها نتایج شبیه سازی و تحلیلداده ها در نرم افزار متلب ارائه شده است. نتایج این تحقیق نشان می دهد که میزان صحت طبقه بندی شبکه های عصبیپروپسترون چند لایه با نرخ دقت ۹۹/۹۹۹% بیشترین مقدار صحت را نسبت به روش های پیشین بدست آورده است.

کلیدواژه ها:

تشخیص بیماری پارکینسون ، سیگنال و داده های صوتی ، شبکه های عصبی مصنوعی