تشخیص خودکار وغیرتهاجمی سکته مغزی با استفاده از یک مدل جدید زمانی-فرکانسی سیگنال فشار کف پا

وقوع بیماری سکته مغزی به دلیل انحطاط ناگهانی سلول های مغزی است که این مساله ناشی از کمبود اکسیژن-رسانی به سلول ها در اثر انسداد عروقی و یا پارگی آن ها و قطع جریان خون است که می تواند منجر به اختلال در راه رفتن شود. در حال حاضر، تصویربرداری های مغزی شامل تصویربرداری رزونانس مغناطیسی، توموگرافی کامپیوتری و آنژیوگرافی مغزی ابزارهای اصلی تشخیص سکته مغزی هستند که نمی توانند یک تشخیص اقتصادی و غیرتهاجمی را تامین کنند. در این مطالعه با هدف ارائه روش تشخیصی خودکار، غیرتهاجمی و کم هزینه برای سکته مغزی ایسکمیک از تحلیل کامپیوتری سیگنال فشار کف پا استفاده شده است. روش پیشنهادی مبتنی بر استخراج ویژگی های جدید زمانی-فرکانسی سیگنال فشار کف پا به کمک تجزیه موجک عامل Q قابل تنظیم، انتخاب ویژگی ReliefF و طبقه بندی ماشین بردار پشتیبان، K-نزدیک ترین همسایگی و جنگل تصادفی می باشد. ویژگی اصلی روش پیشنهادی قابلیت استخراج اجزای نوسانی و اطلاعات گذرای سیگنال غیرایستای فشار کف پا به کمک یک روش جدید زمانی-فرکانسی و امکان انطباق با خصوصیات متغیر با زمان آن می باشد. جهت بررسی صحت تشخیصی روش پیشنهادی از مجموعه داده های سیگنال فشار بیماران مبتلا به سکته مغزی ایسکمیک در حین راه رفتن استفاده شده است که شامل ۴۶ فرد سالم و ۳۶ بیمارمی باشد. نتایج بدست آمده قابلیت تشخیصی بالای روش پیشنهادی را با تعداد ۳۵ ویژگی ساده آماری با میانگین صحت ۷۷/۹۹% نشان داده اند. روش پیشنهادی قادر به ارائه مصالحه مناسب بین صحت تشخیصی بالا و هزینه محاسباتی پایین با استفاده از ویژگی های ساده آماری کف پا می باشد که برای کاربردهای عملی تشخیصی مناسب به نظر می رسد.

کلیدواژه ها:

تجزیه موجک عاملQ قابل تنظیم ، جنگل تصادفی ، انتخاب ویژگی ReliefF ، یادگیری ماشین