استفاده ازترکیب شبکه های عصبی خودسازمانده و الگوریتم k-means به منظورتشخیص بیماری پارکینسون

بیماری پارکینسون یک بیماری مخرب دستگاه عصبی است که درآن تخریب صوتی جز اولین نشانه های بیماری پارکینسون است باتوجه به اهمیت تشخیص زودهنگام این بیماری نورولوژیکی انالیز تغییرات ایجادشده درسیگنالهای صوتی یکی ازراه کارهای مطرح درزمینه تفکیک بیماران پارکینسونی است دراین مقاله به منظورتشخیص بیماران دچارپارکینسون بااستفاده ازانالیز سیگنالهای صوتی دوراهکارمبتنی برترکیب شبکه های عصبی خودسازمان ده با الگوریتم k-means ارایه شده است درراهکارهای ارایه شده 18ویژگی اکوستیکی سیگنال صوت مربوط به سه بخش اصلی سیستم گفتاری استخراج شده اند و برای هربخش یک الگوریتم s-k استفاده شده است سپس نوعی رای گیری بین نتایج بدست امده ازهرالگوریتم انجام شده است به بیان دیگر تشخیص بیماری یاعدم بیماری با استفاده ازحداکثررای الگوریتم s-k انجام میگیرد داده های انسانی از22فرد11 فردسالم و 11 بیمار استخراج شده اند نتایج نشان داده اند که درصد طبقه بندی بدست امده بوسیله هردوراهکارارایه شده برابر 68 درصد بوده است که شبکههای خودسازمان ده بامیانگین درصد طبقه بندی 81.25 عملکردبهتری داشته اند.

کلیدواژه ها:

بیماری پارکینسون ، ویژگی های آکوستیکی سیگنال صوت ، شبکه های خودسازمان ده ، الگوریتم k-means