مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

6
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص پارکیسنون براساس الگوی حرکتی با استفاده از هوش مصنوعی

صفحات

 صفحه شروع 359 | صفحه پایان 371

چکیده

 بیماری پارکینسون به عنوان یک اختلال عصبی پیش رونده شناخته می شود که منجر به اختلالات حرکتی می گردد. با توجه به اهمیت تشخیص زودهنگام و دقیق برای مدیریت مؤثر این بیماری, رویکردی نوین برای شناسایی و پیش بینی مرحله پیشرفت پارکینسون پیشنهاد شده است. در این مطالعه, سیگنال های راه رفتن با استفاده از الگوریتم تجزیه حالت ذاتی (EMD) پردازش گردیده و از شبکه عصبی عمیق ترکیبی CNN-LSTM به منظور استخراج ویژگی های زمانی بهره گرفته شده است. داده های حرکتی از طریق شانزده حسگر نیرو که در زیر پای چپ و راست 93 فرد مبتلا به پارکینسون و 73 فرد سالم نصب شده بود, گردآوری و پیش پردازش شده اند. سپس مؤلفه های فرکانسی ذاتی استخراج گردیده اند. برای ارزیابی عملکرد مدل, از دو رویکرد آموزشی استفاده شده است: نخست, تقسیم ساده داده ها به مجموعه های آموزش و آزمون؛ و دوم, روش اعتبارسنجی متقابل K-Fold. ویژگی های زمانی مرتبط با پیشرفت بیماری توسط ساختار CNN-LSTM استخراج گردیده اند. بر اساس نتایج به دست آمده, مدل مبتنی بر اعتبارسنجی متقابل با دقت 96.44٪ عملکرد بهتری نسبت به مدل ساده با دقت 84.27٪ ارائه داده است. این نتایج بر قابلیت بالای مدل پیشنهادی به عنوان ابزاری هوشمند, غیرتهاجمی و پشتیبان تصمیم گیری بالینی برای تشخیص و مرحله بندی بیماری پارکینسون دلالت دارند

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    email sharing button
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    sharethis sharing button