مروری بر رویکردهای هوش مصنوعی قابل تفسیر در تشخیص بیماری پارکینسون با استفاده از دست خط

بیماری پارکینسون یک بیماری پشرونده تخریب کننده عصبی شدید است که منجر به لرزش اندامها، سفتی بدن، مشکل در راه رفتن، تعادل و هماهنگی حرکات، مشکلات حافظه و افسردگی میشود.علائم معمولا زمانی ظاهر میشوند که اکثر سلولهای تولیدکننده دوپامین (حدود ۷۰ درصد) به طور طبیعی کار خود را متوقف کنند . علائم به مرور و با کاهش سطح دوپامین بدن تشدید می شود، در دهه های اخیر تشخیص زودهنگام بیماری با استفاده از روشهای غیر تهاجمی بسیار حائز اهمیت بوده است چون می تواند در بهبود کیفیت زندگی فرد بیمار و همچنین فرآیند کنترل بیماری تاثیر به سزایی داشته باشد. این مقاله با تمرکز بر رویکرد های هوش مصنوعی قابل تفسیر به مروری بر روش های تشخیص زودهنگام بیماری پارکینسون با استفاده از نمونه دست خط بیماران می پردازد و ضمن معرفی و بررسی مهمترین دیتاست های دست خط از جمله: NewHandPD، HandPD، Parkinson s Drawing و PaHaW به بررسی رویکردهای تشخیص زودهنگام بیماری با استفاده از نمونه دست خط پرداخته و به مقایسه رویکرد های جعبه سفید مانند برنامه ریزی ژنتیکی دکارتی و درخت تصمیم در مقابل روشهای مبتنی بر رویکردهای جعبه سیاه مانند SVM می پردازد.

کلیدواژه ها:

پارکینسون ، هوش مصنوعی قابل توضیح ، ۱ درخت تصمیم ، ماشین بردار پشتیبان ، برنامه ریزی ژنتیکی دکارتی