تشخیص بیماری پارکینسون با استفاد از اطلاعات حرکتی از طریق وگاشت شبک عصبی پس انتشار خطا(BP) و یادگیری ماشین

پارکینسون بیماری اختلال حرکتی مزمن و همیشه در حال پیشرفت می باشد و تشخیص این بیماری به خصوص در مراحل اولیه اغلب دشوار است. در این مقاله، ویژگی های حرکتی افراد در استفاده از کامپیوتر با کمک نرم افزار Fitts Law استخراج شده و با نگاشت شبکه عصبی پس انتشار خطا به علایم بیماری پارکیسون تبدیل شده است. سپس از چهار طبقه بند درخت تصمیم 4.5c، ماشین بردار پشتیبان، شبکه بیزین و k نزدیک ترین همسایه برای پشتیبانی از متخصصین جهت تشخیص این بیماری استفاده شده است. روش ارایه شده صحت طبقه بندی قابل قبولی را از طریق آنالیز روش K-fold CV با بالاترین صحت 94.44% و میانگین 85.53% بعد از نگاشت شبکه عصبی پس انتشار خطا به کمک طبقه بند درخت تصمیم 4.5c در طی 5 بار اجرای فرایند fold CV-5 بدست آورده است. هدف این مقاله ارایه روشی ساده و کم هزینه می باشد. آزمایش های انجام شده بهبود تشخیص بیماری پارکینسون را در روش ارایه شده نشان می دهد.

کلیدواژه ها:

تشخیص بیماری پارکینسون ، درخت تصمیم 4.5 c ، شبکه عصبی پس انتشار ، ماشین بردار پشتیبان ، k نزدیک ترین همسایه ، درخت تصمیم 4.5c ، شبکه بیزین