تشخیص بیماری پارکینسون با استفاده ازدرخت تصمیم طبقه بندی و رگسیونی C&R

باتوجه به اینکه بیماری پارکینسون دومین بیماری رایج مغزواعصا می باشد ارایه روشی ساده و کم هزینه برای تشخیص صحیح آن از اهمیت بالایی برخوردار است دراین تحقیق تعدادی از رایج ترین روشهای یادگیری ماشین جهت استفاده دریک سیستم پشتیبان تصمیم پزشکی برای تشخیص بیماری پارکینسون که ازاختلالات گفتاری بیماران استفاده می کند با یکدیگر مقایسه شدهاند نتایج آزمایشهای انجام شده دراین تحقیق برروی مجموعه دادگان معتبر Parkinson از دانشگاه کلمبیا نشان میدهد که با استفاده از درخت طبقه بندی و رگرسیون C&r بالاترین دقت درتشخیص بیماری پارکینسون درحدود 93/7 درصد حاصل می گردد همچنین با استفاده از اعمال روش تحلیل حساسیت میزان تاثیر ویژگیهای گفتاری برتشخیص این بیماری نیز با یکدیگر مقایسه شدها ند.

کلیدواژه ها:

پارکینسون ، سیستم پشتیبان تصمیم ، درخت طبقه بندی و رگرسیون ، تحلیل حساسیت