تشخیص سطح بیماری اسکلروز چندگانه مبتنی بر پردازش تصویر حرکات فرد

امروزه آسیب های مغزی که اغلب با نام اپیدمی خاموش شناخته می شوند، بدون شک از جمله بیماری های رو به رشد هستند. در حال حاضر سه میلیون نفر در دنیا تحت تاثیر این بیماری هستند که تعداد آن ها در مناطق مختلف متفاوت گزارش شده است. به دلیل افزایش آمار بیماری اسکلروز چندگانه و عوارض ناشی از آن در سنین پایین جامعه، نیاز به بررسی این موضوع بسیار زیاد است. با توجه به اهمیت این بیماری، نوع و شدت آن و تاثیر این بیماری بر روی عملکرد زندگی فرد و کاهش کیفیت زندگی وی، به دنبال روش های کم هزینه، ساده، کوتاه مدت، غیر تهاجمی و به کمک رایانه در مقایسه با سایر روش های قبلی، جهت توانبخشی حرکتی بیماران هستیم. بنابراین هدف از این پژوهش، ارائه و طراحی تمرین های تعادلی به کمک دوربین و نشانگرها به منظور تشخیص بیماران MS است تا با استفاده از واقعیت مجازی و با کمک تکنیک های بینایی ماشین و الگوریتم های پردازش تصویر حرکت بیمار سطح بیماری فرد تشخیص داده شود. روش پیشنهادی در این مقاله با دستیابی به درصد صحت ۸۸ درصد می تواند نقش چشمگیری در تشخیص خودکار بیماری اسکلروز چندگانه داشته باشد

کلیدواژه ها:

استخراج ویژگی ، طبقه بند درخت تصمیم ، طبقه بند شبکه عصبی