ارائه روشی جدید در حوزه پردازش سیگنال های زیستی مبتنی بر جهت های قطب نما و بکارگیری آن بر روی سری زمانی رعشه

طراحی سیستم های شناخت مبتنی بر پردازش داده های پزشکی علاوه بر مزیت غیرتهاجمی بودن در افزایش دانش، درک و فهم بالینی از جایگاه ویژه ای برخوردار هستند. شناخت در زمینه بیماری پارکینسون، نخست به یک تشخیص دقیق از شدت رعشه بیماران نیاز دارد. از این رو، این مطالعه با هدف شناسایی یک الگوی توپولوژیک از سری زمانی رعشه در بیماران پارکینسونی سعی در تفکیک دو کلاس شدید و خفیف از سطح این اختلال را دارد. فرضیه مطلوب این است که توپولوژی نقاط بازسازی شده از سری زمانی رعشه در فضای فاز شامل اطلاعات غنی تری برای تحلیل سری-های زمانی غیرخطی و غیرایستا می باشد. با توجه به کمبود ابزارهای تحلیلی برای استخراج چنین اطلاعاتی، در این مطالعه رویکرد پردازشی جدیدی مبتنی بر تعقیب حالات اساسی تراژکتوری فاز بازسازی شده از سری زمانی رعشه براساس جهت های قطب نما ارائه گردید. سپس، الگوی رفتاری مرتبط با شدت رعشه، در قالب یک تاکتیک مبتنی بر استخراج ویژگی های پویا محاسبه و در قالب یک تاکتیک سلسله مراتبی مبتنی بر تحلیل های آماری شناسایی شد. با استفاده از طبقه بند KNN به روش اعتبارسنجی Holdout نظارت شده، کلاس رعشه شدید و خفیف برای داده های آموزش با صحت، ۱۰۰% و برای داده های آزمایش با صحت ۵۵/۹۶% تفکیک شدند. یافته ها نشان داد که الگوی رفتاری متشکل از جهت های شمال، شرق و شمال غربی در تراژکتوری فاز رعشه با شدت بیماری پارکینسون ارتباط دارد. به نحوی که، افزایش تغییرپذیری نسبی (ضریب تغییر)، همزمان با کاهش بی نظمی (آنتروپی شانون) جهت های منتخب در طول سری زمانی بیان گر بیمار مبتلا به رعشه شدید و بالعکس کاهش همزمان تغییرپذیری نسبی و افزایش بی نظمی در جهت های منتخب بیان گر رعشه خفیف بود.

کلیدواژه ها:

استخراج ویژگی پویا ، توپولوژی فضای فاز ، جهت های قطب نما ، سری زمانی رعشه ، سیستم شناخت