کنفرانس ملی رویکردهای نوین در آموزش و پژوهش

صفحه اصلی / پنجمین کنفرانس ملی رویکردهای نوین در آموزش و پژوهش

پیش بینی وقوع gvca در وضعیت استراحت برای بیماران دچار پارکینسون با استفاده از سیستم عصبی- فازی و الگوریتم بهینه سازی انبوه ذرات

نویسندگان :

عبداله احمدی¹ حسن زارع²

1- دانشکده فنی و حرفه ای محمودآباد 2- دانشکده فنی و حرفه ای محمودآباد

کلمات کلیدی :

الکترومایوگرام، الگوریتم بهینه سازی انبوهی ذرات، پارکینسون، ترمور، سیستم عصبی- فازی

چکیده :

يكي از عمده ترين نشانه های پارکینسون، وقوع ترمور درحالت استراحت است. در این تحقیق یک مدل پیش بین مبتنی بر سیستمهای عصبی- فازی به منظور پیش بینی و آشکارسازی وقوع ترمور مچ دست در وضعیت استراحت، ارائه شده است. مدل پیش بین ارائه شده قادر است وقوع ترمور را در حداکثر 2 ثانیه پیش از مشاهده، آشکار نماید. عملکرد مدل عصبی- فازی مبتنی بر آنالیز تغییرات سیگنال الکترومایوگرام عضلات باز کننده مچ دست، بوده است. سیگنال الکترومایوگرام عضله بازکننده مچ بیماران پارکینسون، در وضعیت استراحت ثبت شده اند. پنجره زمانی 2 ثانیه مانده به زمان وقوع ترمور، به پنج پنجره زمانی تقسیم شدند پنج ویژگی آنتروپی، فرکانس میانی، متوسط مقدار قدر مطلق سیگنال،متوسط قدر مطلق و توان سیگنال از هر پنجره استخراج شدند. سیستم عصبی- فازی بگونه ای آموزش داده شد تا بتواند در حداقل یکی از چهار پنجره زمانی مذکور، وقوع ترمور را پیش بینی نماید. به منظور بهینه سازی مدل عصبی- فازی از الگوریتم انبوه ذرات استفاده شده است. نتایج نشان می دهند که آشکارساز عصبی- فازی به همراه الگوریتم بهینه سازی انبوه ذرات، توانسته است با صحت بیش از 98 درصد، وقوع ترمور مچ دست در وضعیت استراحت را پیش بینی نماید.