ارایه یک سیستم تصمیم گیری مبتنی بر قوانین وزن بندی شده فازی برای تشخیص زود هنگام بیماری های عصبی-ماهیچه ای پیش رونده

بیماری های هانتینگتون، پارکینسون و (ALS)Amyotrophic Lateral Sclerosis جز بیماری های عصبی-ماهیچه ای پیش رونده محسوب می شوند. علت اصلی وقوع این بیماری ها مشخص نیست و هیچ داروی قطعی برای درمان این بیماری ها وجود ندارد. تشخیص سریع این بیماری ها می تواند امکان کنترل روند پیشرفت بیماری را فراهم آورد. یکی از علایم اولیه این سه بیماری، اختلال در سیگنال حرکتی می باشد. به همین دلیل در این مطالعه با استفاده از سیگنال حرکتی راه رفتن یک روش تشخیصی مبتنی بر منطق فازی برای تشخیص سریع این بیماری ها ارایه شده است. بدین منظور از داده های هاسدرف قابل دسترس در سایت فیزیونت استفاده شده است. از ویژگی های مختلف سیگنال حرکتی برای ایجاد قوانین فازی استفاده شد. هر یک از این قوانین وزن بندی شدند و مناسب ترین قوانین برای ایجاد سیستم فازی انتخاب شدند. به منظور بررسی کارایی الگوریتم پیشنهادی از سیگنال های حرکتی 16 فرد سالم، 13 بیمار مبتلا به ALS؛ 15 بیماری پارکینسونی به همراه 20 بیمار هانتینگتونی استفاده گردید. نتایج به دست آمده نشان دهنده درصد تفکیک 97% در بین افراد سالم و بیمار و 85% در بین بیماران دارای ALS و بیماران غیر ALS می باشد. قدرت جداسازی این الگوریتم برای بیماران پارکینسونی و هانتینگتونی در حدود 81% می باشد.

کلیدواژه ها:

منطق فازی ، بیماری های عصبی-ماهیچه ای پیش رونده ، استخراج ویژگی ، دسته بندی