تشخیص سطح بیماری اسکلروز چند گانه با استفاده از سیگنال راه رفتن مبتنی بر ویژگی های فرکانسی و آشوبگونه و آماری
- سال انتشار: 1400
- محل انتشار: نهمین کنفرانس بین المللی تحقیقات پیشرفته در علوم، مهندسی و فناوری
- کد COI اختصاصی: RSETCONF09_030
- زبان مقاله: فارسی
- تعداد مشاهده: 380
نویسندگان
دانشجو کارشناسی ارشد، گروه مهندسی پزشکی، موسسه غیرانتفاعی روزبهان، ساری، ایران
هییت علمی دانشکده مهندسی برق، دانشگاه آزاد اسلامی، واحد نور، ایران
چکیده
غلاف میلین، یک لایه لیپوپروتئینی است که بر روی بسیاری از دندریت های بلند و آکسونها تشکیل می شود و نقش آن ایجاد نارسانایی بیش تر بر روی سطح تار عصبی است که این امر باعث افزایش سرعت هدایت پیام های الکتریکی در درازای تار میشود. از بین رفتن پوشش میلین موجب نارسایی در هدایت پیام های عصبی و بنابراین بروز بیماری های عصبی هم چون اسکلروز چندگانه می شود. بیماری اسکلروز چندگانه شامل سه سطح عود کننده فروکش کننده، اولیه پیش رونده، ثانویه پیش رونده می باشد. به منظور انجام پزوهش، سیگنال راه رفتن ۵۰ نفر از بیماران ام اس استفاده شد. پس از جمع آوری داده های مورد نیاز، با استفاده ضرایبپیش فرض متلب مبتنی بر فیلتر بانک تبدیل موجک، سیگنال راه رفتن بیماران ام اس جهت حذف نویز پیش پردازش شد. سپس ازسیگنال راه رفتن بیماران ویژگی فرکانسی مانند میانه و میانگین فرکانسی، نسبت فرکانسی بالا به پایین و میانه و میانگین اصلاح شدهفرکانسی و آشوبگونه مانند بعد فراکتال و آماری مانند میانه و میانگین و چولگی و کشیدگی استخراج شد و سپس با استفاده از طبقهبندهای شبکه عصبی تطبیقی فازی سطوح مختلف این بیماری تفکیک گردید تا بدین ترتیب با تشخیص سریع و خودکار این بیماریبه پیش گیری عوارض بالاتر آن کمک شود. در نهایت جهت ارزیابی عملکرد طبقه بند از پارامترهای حساسیت، صحت و قدرتتشخیص استفاده خواهیم کرد. نتایج نشان داد که استفاده از طبقه بند شبکه عصبی فازی دارای مقادیر بالای صحت ۷۵% و شاخصاختصاصیت ۸۳ % می باشد.کلیدواژه ها
بیماری اسکلروز چند گانه، سیگنال راه رفتن، استخراج ویزگی، طبقه بندیمقالات مرتبط جدید
- Resource Optimization in Large Language Model Deployment Using Reinforcement Learning and Adaptive Software Engineering
- کاربرد یادگیری ماشین در پیشبینی خطاهای نرم افزاری در مراحل اولیه توسعه سیستم های پیچیده
- A review of the application of silver nanoparticles in improving the performance of ultrathin silicon solar cells
- نگرشی برنانو و نقش آن در تصفیه آب در نیروگاه های برق
- The Biomechanical Effect of Knee Flexion Angles on Squat Lifting with a Flat Back Position
اطلاعات بیشتر در مورد 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.