سارا کیوانی - دانشجوی کارشناسی ارشد مهندسی ژنتیکی، دانشگاه آزاد اسلامی مشهد
سید امیرحسین موسوی - دانشجوی دکتری مهندسی پزشکی دانشگاه آزاد اسلامی مشهد

بیماری پارکینسون از جمله بیماری های عصبی و عضلانی است که با گذشت زمان نشانه های مختلفی در رفتار حرکتی افرا مبتلا ظاهر می شود. این نشانه ها و الگوهای خاص حرکتی بیشتر در نحوه راه رفتن و سیگنال های صوتی افراد بروز می کند بنابراین شناسایی خودکار الگوهای مختص به بیماری پارکینسون نقش بسزایی در تشخیص افراد بیمار پارکینسونی ایفا می نماید. در این پایان نامه هدف این است تا از ضرایب کپسترال مل فرکانسی که سبب بهبود رزولوشن سیگنال می شود استفاده کرد و بیماری پارکینسون را شتخیص داد. بعد از استخراج ضرایب کپسترال، پارامترهای جورث استخراج گردید. دیتای موجود از مجموع 20 نفر به دو گروه 10 نفره برای بررسی دقیق تر تقیم شده است. با استفاده از پارامترهای جورث، میانگین دقت با استفاده از طبقه بندی کننده ی ماشین بردار پشتیبان و برای پارامتر activity,mobility ,complexy به ترتیب و 81.5.81 و 89 درصد می باشد. همچنین نتایج با استفاده از پرسپترون چند لایه بررسی شده و از پارامتر activity برای تشخیص استفاده شده استو دقت طبقه بندی 80.8% به دست آمده است.

تجزیه و تحلیل صدرا، ضرایب کپسترال مل، پارامترهای جورث، ماشین بردار پشتیبان