شماره ركورد كنفرانس :
5530
عنوان مقاله :
تشخيص بيماري هاي تخريب كننده عصبي براساس ويژگي‌هاي زماني و فركانسي با كمك يادگيري ماشين
پديدآورندگان :
ميرزائي يقين رها mirzaeeyaqin.a@qut.ac.ir دانشگاه صنعتي قم , شمسي محبوبه shamsi@qut.ac.ir دانشگاه صنعتي قم , آقائي مجيد aghaee@qut.ac.ir دانشگاه صنعتي قم
كليدواژه :
تجزيه و تحليل راه رفتن , پردازش سيگنال , يادگيري ماشين , بيماري هاي تخريب كننده عصبي
عنوان كنفرانس :
بيستمين سمپوزيوم بين‌المللي هوش مصنوعي و پردازش سيگنال
چكيده فارسي :
اين مقاله درباره بيماري‌هاي تخريب‌كننده عصبي مانند پاركينسون، هانتينگتون و بيماري اسكرولز چندگانه صحبت مي‌كند. اين بيماري‌ها طي زمان باعث تخريب مغز و ساير اعضاي عصبي مي‌شوند و باعث كاهش كيفيت زندگي بيمار مي‌شوند. آن‌ها اغلب باعث اختلالات حركتي، شناختي و رواني مي‌شوند كه نيازمند مراقبت ويژه براي بيمار و خانواده او است. تحقيقات در اين زمينه مي‌تواند به شناخت بهتر از علل شناختي و عصبي اين بيماري‌ها كمك كند و روش‌هاي درماني و پيشگيري نويني را ارائه دهد. در اين تحقيق، الگوريتم چندمرحله‌اي براي تجزيه‌وتحليل راه رفتن براي تشخيص بيماري‌هاي تخريب‌كننده عصبي ارائه‌شده است. از طريق پيش‌پردازش سيگنال‌هاي راه رفتن با استفاده از فيلتر بانك Transform Wavelet در نرم‌افزار MATLAB، سيگنال‌ها بهبوديافته و خصوصيات آماري، زمان، فركانس و غيرخطي آن‌ها استخراج و اولويت‌بندي مي‌شوند. سپس اين ويژگي‌ها به‌عنوان ورودي به روش‌هاي طبقه‌بندي خطي و غيرخطي مانند LDA، ماشين بردار پشتيباني خطي، نزديك‌ترين همسايه و شبكه‌هاي عصبي داده مي‌شوند. نتايج نشان مي‌دهد كه استفاده از طبقه‌بندي كننده غيرخطي نزديك‌ترين همسايه مي‌تواند بين چهار كلاس مبتلا به بيماري‌هاي مذكور تفاوت معني‌داري ايجاد كند و با دقت 100٪ بيماري‌ها را تشخيص دهد.
