پیش بینی لرزش در بیماران پارکینسون با استفاده از سیستم عصبی- فازی و الگوریتم بهینه سازی توده ذرات

یکی از عمده ترین نشانههای پارکینسون، وقوع ترمور درحالت استراحت است. در این تحقیق یک مدل پیش بین مبتنی بر سیستم-های عصبی- فازی به منظور پیش بینی و آشکارسازی وقوع ترمور مچ دست در وضعیت استراحت، ارایه شده است. مدل پیش بین ارایه شده قادر است وقوع ترمور را در حداکثر 2 ثانیه پیش از مشاهده، آشکار نماید. عملکرد مدل عصبی- فازی مبتنی بر آنالیز تغییرات سیگنال الکترومایوگرام عضلات جمع کننده مچ دست، بوده است. سیگنال الکترومایوگرام عضله جمع کننده مچ بیماران پارکینسون، در وضعیت استراحت ثبت شدهاند. پنجره زمانی 2 ثانیه مانده به زمان وقوع ترمور، به پنج پنجره زمانی تقسیم شدند. پنج ویژگی آنتروپی، فرکانس میانی، متوسط مقدار مطلق سیگنال تعمیم یافته نوع دوم، توان سیگنال و متوسط قدر مطلق سیگنال از هر پنجره استخراج شدند. سیستم عصبی- فازی بگونه ای آموزش داده شد تا بتواند در حداقل یکی از چهار پنجره زمانی مذکور، وقوع ترمور را پیش بینی نماید. نتایج نشان میدهند که آشکارساز عصبی- فازی توانسته است با صحت بیش از 98 درصد، وقوع ترمور مچ دست در وضعیت استراحت را پیش بینی نماید و الگوریتم بهینه سازی توده ذرات دارای صحت91,17 درصد میباشد.

کلیدواژه ها:

الکترومایوگرام ، الگوریتم بهینه سازی توده ذرات ، پارکینسون ، ترمور ، سیستم عصبی- فازی