تشخیص سطح بیماری اسکلروز چند گانه با استفاده از سیگنال راه رفتن مبتنی بر ویژگی های فرکانسی و آشوبگونه و آماری

تشخیص سطح بیماری اسکلروز چند گانه با استفاده از سیگنال راه رفتن مبتنی بر ویژگی های فرکانسی و آشوبگونه و آماری

مهدی عالیه1 هادی دهبوید2

1) دانشجوی کارشناسی ارشد مهندسی پزشکی، موسسه غیر انتفاعی روزبهان
2) هییت علمی دانشکده مهندسی برق، دانشگاه آزاد اسلامی، واحد نور، ایران.

کد IOI مقاله : XCCA-GCCGB
محل انتشار : نهمین کنفرانس بین المللی تحقیقات پیشرفته در علوم، مهندسی و فناوری (setconf.ir)
چکیده :
    چکيده - غلاف میلین، یک لایه لیپوپروتئینی است که بر روی بسیاری از دندریت¬های بلند و آکسون¬ها تشکیل می¬شود و نقش آن ایجاد نارسانایی بیش تر بر روی سطح تار عصبی است که این امر باعث افزایش سرعت هدایت پیام های الکتریکی در درازای تار می شود. از بین رفتن پوشش میلین موجب نارسایی در هدایت پیام های عصبی و بنابراین بروز بیماری های عصبی هم چون اسکلروز چند گانه می¬شود. بیماری اسکلروز چندگانه شامل سه سطح عود کننده-فروکش کننده، اولیه پیش رونده، ثانویه پیش رونده می باشد. به منظور انجام پزوهش، سیگنال راه رفتن 50 نفر از بیماران ام اس استفاده شد. پس از جمع آوری داده های مورد نیاز، با استفاده ضرایب پیش فرض متلب مبتنی بر فیلتر بانک تبدیل موجک، سیگنال راه رفتن بیماران ام اس جهت حذف نویز پیش پردازش شد. سپس از سیگنال راه رفتن بیماران ویژگی فرکانسی مانند میانه و میانگین فرکانسی، نسبت فرکانسی بالا به پایین و میانه و میانگین اصلاح شده فرکانسی و آشوبگونه مانند بعد فراکتال و آماری مانند میانه و میانگین و چولگی و کشیدگی استخراج شد و سپس با استفاده از طبقه بندهای شبکه عصبی تطبیقی فازی سطوح مختلف این بیماری تفکیک گردید تا بدین ترتیب با تشخیص سریع و خودکار این بیماری به پیش گیری عوارض بالاتر آن کمک شود. در نهایت جهت ارزیابی عملکرد طبقه بند از پارامترهای حساسیت، صحت و قدرت تشخیص استفاده خواهیم کرد. نتایج نشان داد که استفاده از طبقه بند شبکه عصبی فازی دارای مقادیر بالای صحت 75% و شاخص اختصاصیت 83% می باشد.

کلمات کلیدی : بیماری اسکلروز چند گانه سیگنال راه رفتن استخراج ویزگی طبقه بندی