مقایسه عملکرد دو الگوریتم ادغام در سطح ویژگی و سیگنال در تفکیک سیگنال راه رفتن بیماران اسکلروز جانبی آمیوتروفیک از افراد سالم

نوع مقاله : مقاله پژوهشی فارسی

نویسندگان

1 دانشجوی کارشناسی،گروه مهندسی پزشکی، دانشگاه بین المللی امام رضا(ع)، مشهد،ایران

2 استادیار/گروه مهندسی پزشکی، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران.

چکیده

بیماری اسکلروز جانبی آمیوتروفیک(Amyotrophic lateral sclerosis; ALS) یک بیماری عصبی عضلانی و شایع ترین بیماری نورون‌های حرکتی است. از آنجا که یکی از مهم‌ترین علائم اولیه بیماری، وجود اختلالات حرکتی است، بررسی اختلالات راه رفتن در کانون توجه بسیاری از محققان قرار گرفته است. هدف مطالعه حاضر، ارائه الگوریتمی مناسب برای تشخیص بیماری ALS می‌باشد. از داده‌های موجود در پایگاه فیزیونت استفاده شده است. این داده‌ها از 13 بیمار ALS و 16 فرد سالم جمع‌آوری شده است. در این تحقیق از دو روش ادغام برای ترکیب اطلاعات سیگنال‌های پای راست و چپ قبل از استخراج ویژگی(ادغام در سطح سیگنال) و پس از استخراج ویژگی(ادغام در سطح ویژگی) استفاده شده است. از ویژگی‌های غیرخطی کمی سازی سیگنال حرکتی راه‌رفتن افراد سالم و بیمار استفاده کردیم، که عبارتند از: لگاریتم انرژی، آنتروپی شانون، هیگوچی فراکتال، فراکتال کتز. سپس، با انجام آزمون آماری ویلکاکسون بر ویژگی‌های استخراجی، اقدام به یافتن تفاوت معنادار میان گروه‌ها نمودیم. برای تفکیک افراد ALS از گروه نرمال از طبقه‌بند ماشین بردار پشتیبان استفاده شد. الگوریتم پیشنهادی توانایی تشخیص بیماری ALS را با میانگین درصد صحت % 87 دارا می‌باشد. بیش‌ترین درصد صحت طبقه‌بندی با استفاده از ویژگی کتز بدست آمد که % 100می‌باشد. سیستم پیشنهادی مبتنی بر الگوریتم‌های ادغام نه تنها حجم محاسبات را کاهش می‌دهد، بلکه در ارائه نرخ‌‌های تفکیک نیز عملکرد بسیار خوبی دارد. این چارچوب می‌تواند راه را برای توسعه سیستم‌های تشخیصی ساده با عملکرد بالا در آینده بگشاید.

کلیدواژه‌ها