تحلیل الگوی باینری محلی سیگنال های فشار پا جهت تشخیص سکته مغزی

در بیماران مبتلا به سکته مغزی به صورت عمومی مشکلات حرکتی و راه رفتن قابل مشاهده است که کیفیت زندگی آن ها را تحت تاثیر قرار می دهد. از این رو تشخیص دقیق سکته مغزی برای ارائه یک راهکار درمانی و توانبخشی موثر در این بیماران ضروری به نظر می رسد. با این حال، توسعه یک ابزار تشخیصی کم هزینه و غیرتهاجمی برای کاربردهای کلینیکی یک چالش بزرگ در این زمینه محسوب می شود. به همین جهت، در این مطالعه یک روش تشخیصی جدید سکته ایسکمیک بر پایه ویژگی های ساختاری سیگنال فشار کف پا و طبقه بند ماشین بردار پشتیبان ارائه شده است. در این روش، یک الگوی باینری محلی یکنواخت که از نمایش زمانی-فرکانسی سیگنال فشار کف پا استخراج شده است، برای اخذ ساختار محلی سیگنال در فضای دوبعدی و کمی سازی پایداری این الگو استفاده شده است. روش پیشنهادی به کمک سیگنال های ثبت شده از ۳۶ فرد سالم و ۴۶ بیمار مبتلا به سکته ایسکمیک در حین راه رفتن طبیعی فرد مورد ارزیابی قرار گرفته است. جهت ارائه تحلیل ناحیه ای، طبقه بندی با استفاده از کانال های مختلف کف پا انجام شده است. نتایج به دست آمده به میانگین صحت ۹۹/۶۶ درصد برای تشخیص سکته مغزی رسیده است. در ادامه، طی یک آزمایش مقایسه ای، پایداری و عدم تغییر نتایج روش پیشنهادی در برابر سنسورهای فشار نواحی مختلف کف پا و پارامترهای تکنیکی روش الگوی باینری محلی نشان داده شده است. عملکرد روش پیشنهادی نشان می دهد که تحلیل الگوی باینری محلی سیگنال فشار کف پا قادر است افراد سالم و بیماران مبتلا به سکته مغزی را به صورت موثری تفکیک نماید.

کلیدواژه ها:

یادگیری ماشین ، سکته مغزی ایسکمیک ، ویژگی های زمانی-فرکانسی فشار کف پا ، تشخیص اتوماتیک