استخراج ویژگی های مناسب از اختلالا دستخط در بیماری مولتیپل اسکلروزیس جهت ارائه ی یک سیستم تشخیص کمکی
محل انتشار: سومین کنفرانس ملی و اولین کنفرانس بین المللی پژوهش هایی کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 562
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF03_0727
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
بیماری مولتیپل اسکلروزیس یکی از بیماری های شایع سیستم اعصاب مرکزی انسان است که اغلب پیشرونده و ناتوان کننده است و منجر به اختلال در سیستم های عملکردی از جمله راه رفتن، تعادل و شناخت می شود. در حال حاضر تشخیص قطعی برای این بیماری وجود ندارد. البته روش هایی وجود دارند که به تأیید تشخیص بیماری در مراحل پیشرفته ی بیماری کمک می کنند اما برای متخصصین بالینی، هدف، تعیین کمترین مدت زمان پیشرفت بیماری به منظور به تأخیر انداختن حالت های ناتوان کننده ی بیماری و نیز کنترل رشد ان می باشد. با بررسی های صورت گرفته به نظر می رسد آنالیز کمی و اختلالات حرکتی بتواند در تشخیص بیماری ام اس حتی در مراحل اولیه ی بیماری مفید باشد و از آنجا که حرکات عضلات درگیر در نوشتن توسط سیستم اعصاب مرکزی کنترل می شوند ممکن است تشخیص این بیماری از طریق آنالیز دستخط مبتلایان نیز امکان پذیر باشد. از طرف دیگر با توجه به اختلالت شناختی موجود در مبتلایان به بیماری ام اس به نظر می رسد که نوشتن همزمان با انجام یک کار شناختی، نقص عملکردی افراد بیمار را بهتر نشان می دهد. لذا در این مطالعه، ابتدا دو گروه سالم و بیمار، عمل نوشتن همزمان با کار شناختی ( شمارش معکوس ) را انجام دادند. سیگنال های حاصل از دستخط د. گروه سالم و بیمار به طور کمی پردازش شده و ویژگی های مناسب استخراج شدند. در ادامه با استفاده از تست های آماری نشان داده شد که ویژگی های افراد بیمار به طور قابل توجهی متفاوت از ویژگی های افراد سالم هستند.
کلیدواژه ها:
نویسندگان
لیلا راستاد
دانشجوی کارشناسی ارشد، گروه مهندسی مکاترونیک، دانشکده مهندسی فناوری های نوین، دانشگاه تبریز
بهروز کوهستانی
استادیار گروه مهندسی مکاترونیک، دانشکده مهندسی فناوری های نوین، دانشگاه تبریز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :