پیشبینی وقوع ترمور در وضعیت استراحت برای بیماران دچار پارکینسون با استفاده از سیستمهای عصبی-فازی و الگوریتم بهینه سازی توده ذرات

یکی از عمده ترین نشانههای پارکینسون، وقوع ترمور درحالت استراحت است. در این تحقیق یک مدل پیشبین مبتنی برسیستمهای عصبی-فازی به منظور پیشبینی و آشکارسازی وقوع ترمور مچ دست در وضعیت استراحت،ارائه شده است. مدل پیشبین ارائه شده قادر است وقوع ترمور را در حداکثر 2 ثانیه پیش از مشاهده، آشکار نماید. عملکرد سیستمهای عصبی-فازی مبتنی بر آنالیز تغییرات سیگنال الکترومایوگرام عضلات جمع کننده مچ دست، بودهاست. سیگنال الکترومایوگرام عضله جمع کننده مچ بیماران پارکینسون، در وضعیت استراحت ثبت شدهاند. پنجره زمانی 2 ثانیه مانده به زمان وقوع ترمور، به پنج پنجره زمانی تقسیم شدند. پنج ویژگی آنتروپی، فرکانس میانی، متوسطمقدار مطلق سیگنال تعمیمیافته نوع دوم، توان سیگنال و متوسط قدر مطلق سیگنال از هر پنجره استخراج شدند. سیستمهای عصبی-فازی بگونهای آموزش داده شد تا بتواند در حداقل یکی از پنج پنجره زمانی مذکور، وقوع ترمور را پیشبینی نماید. نتایج نشان میدهند که آشکارساز عصبی- فازی توانسته است با صحت بیش از 89 درصد،وقوع ترمور مچ دست در وضعیت استراحت را پیشبینی نماید و الگوریتم بهینه سازی توده ذرات با 81.19 درصد میباشد.

کلیدواژه ها:

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