طراحی یک روش کارآمد در طبقهبندی درد اندام تحتانی با استفاده ازالگوریتم ژنتیک و ماشین بردار پشتیبان

همواره طراحی بخش نرم افزاری یک سیستم تشخیص خودکار درد که به طور معمول با صحت طبقه بندی کم همراه است، از مشکلات پیشروی محققین محسوب میشود. در این مقاله، برای تشخیص میزان و شدت درد در اندام تحتانی افراد، ویژگیهایی مختلفی نظیر واریانس، چولگی، آنتروپی، اسکیونس و ... استخراج میشوند. در گام نخست جهت افزایش دقت طبقه- بندی، ویژگیهای استخراج شده با تکیه بر روش خوشهبندی درخت تصمیم، بازآرای و چینش میگردند. دادههای خوشهبندی شده دارای ابعاد بالایی هستند و از این رو الگوریتم تکاملی ژنتیک به انتخاب بهترین ویژگیها میپردازد. در نهایت این طبقهبند است که دادههای کاهش بعد داده شده را با صحت طبقهبندی بالاتر از 87 % کلاسهبندی میکند و (SVM) ماشین بردار پشتیبان شدت درد را با ضریب اطمینان قابل قبولی بازشناسی میکند. نتایج حاصل آمده، نمایانگر عملکرد کارآمد سیستم خودکار تفکیک کننده درد در اندام تحتانی است و این ادعا با محاسبه ضریب همبستگی میسر شده است. بکارگیری این الگوریتم در بخش نرم افزاری سیستمهای شناسایی درد تا حد گستردهای در کمک به افرادی که با ناتواناییهای حرکتی و یا معلولیت دست و پنجه نرم میکنند، اثرگذار باشد.

کلیدواژه ها:

شدت درد ، اندام تحتانی ، الگوریتم ژنتیک ، درخت تصمیم ، طبقهبند ماشین بردار پشتیبان