مقایسه عملکرد دو الگوریتم ادغام در سطح ویژگی و سیگنال در تفکیک سیگنال راه رفتن بیماران اسکلروز جانبی آمیوتروفیک از افراد سالم

  • سال انتشار: 1400
  • محل انتشار: مجله رایانش نرم و فناوری اطلاعات، دوره: 10، شماره: 3
  • کد COI اختصاصی: JR_JSCIT-10-3_003
  • زبان مقاله: فارسی
  • تعداد مشاهده: 128
دانلود فایل این مقاله

نویسندگان

Mahsa Daneshmand Frotaghe

دانشجوی کارشناسی،گروه مهندسی پزشکی، دانشگاه بین المللی امام رضا(ع)، مشهد،ایران

Zeinab Jamshidi Moghadam

دانشجوی کارشناسی،گروه مهندسی پزشکی، دانشگاه بین المللی امام رضا(ع)، مشهد،ایران

Ateke Goshvarpour

استادیار/گروه مهندسی پزشکی، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران.

چکیده

بیماری اسکلروز جانبی آمیوتروفیک(Amyotrophic lateral sclerosis; ALS) یک بیماری عصبی عضلانی و شایع ترین بیماری نورون های حرکتی است. از آنجا که یکی از مهم ترین علائم اولیه بیماری، وجود اختلالات حرکتی است، بررسی اختلالات راه رفتن در کانون توجه بسیاری از محققان قرار گرفته است. هدف مطالعه حاضر، ارائه الگوریتمی مناسب برای تشخیص بیماری ALS می باشد. از داده های موجود در پایگاه فیزیونت استفاده شده است. این داده ها از ۱۳ بیمار ALS و ۱۶ فرد سالم جمع آوری شده است. در این تحقیق از دو روش ادغام برای ترکیب اطلاعات سیگنال های پای راست و چپ قبل از استخراج ویژگی(ادغام در سطح سیگنال) و پس از استخراج ویژگی(ادغام در سطح ویژگی) استفاده شده است. از ویژگی های غیرخطی کمی سازی سیگنال حرکتی راه رفتن افراد سالم و بیمار استفاده کردیم، که عبارتند از: لگاریتم انرژی، آنتروپی شانون، هیگوچی فراکتال، فراکتال کتز. سپس، با انجام آزمون آماری ویلکاکسون بر ویژگی های استخراجی، اقدام به یافتن تفاوت معنادار میان گروه ها نمودیم. برای تفکیک افراد ALS از گروه نرمال از طبقه بند ماشین بردار پشتیبان استفاده شد. الگوریتم پیشنهادی توانایی تشخیص بیماری ALS را با میانگین درصد صحت % ۸۷ دارا می باشد. بیش ترین درصد صحت طبقه بندی با استفاده از ویژگی کتز بدست آمد که % ۱۰۰می باشد. سیستم پیشنهادی مبتنی بر الگوریتم های ادغام نه تنها حجم محاسبات را کاهش می دهد، بلکه در ارائه نرخ های تفکیک نیز عملکرد بسیار خوبی دارد. این چارچوب می تواند راه را برای توسعه سیستم های تشخیصی ساده با عملکرد بالا در آینده بگشاید.

کلیدواژه ها

سیگنال راه رفتن, بیماری اسکلروز جانبی آمیوتروفیک, الگوریتم ادغام, تحلیل غیرخطی, ماشین بردارپشتیبان

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.