وهاب امینی آذر - استادیار گروه مهندسی برق و کامپیوتر دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران
رسول فرحی - مربی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران
مریم سلطانیان - کارشناسی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران

ALS یا اسکلروز جانبی آمیوتروفیک یک نوع بیماری مرتبط با اعصاب٬ نادر و کشنده است. در این بیماری نورون های حرکتی که مسئول کنترل حرکت ارادی ماهیچه ها مانند توانایی جویدن، راه رفتن وصحبت کردن هستند دچار نقص میشوند. بیماری ALS به صورت پیشروندهای فرد را درگیر میکند و تا به امروز هیچگونه درمان موثر برای متوقف یا معکوس کردن پیشرفت بیماری پیدا نشده است. این بیماری معمولا افراد ۴۰ تا ۷۰ ساله را هدف میگیرد و مردان کمی بیش از زنان در معرض خطر قرار دارند. در ALS یا آمیوتروفیک اسکلروزیس جانبی در طی گذشت زمان نورونهای حرکتی فوقانی و نورونهای حرکتی تحتانی دچار آتروفی شده و از بین میروند و در نتیجه ارسال پیام های عصبی به عضلات بدن ضعیف و کم کم متوقف میشود. در این راستا بیمار ضعف عضلانی پیشروندهای را تجربه میکند و در نهایت مغز فرد مبتلا توانایی خود را برای دستور شروع و کنترل حرکات ارادی در بیمار از دست میدهد. در این تحقیق ما یک روش جدید براساس ویژگیهای موجود در حوزه فرکانس که روشی قدرتمند و متداول در بررسی سیگنال های مختلف از جمله سیگنال های حیاتی بدن در تشخیص بیماری ALS است، استفاده کرده ایم. روش پیشنهادی مبتنی بر روش شبکه های عصبی پرسپترون چندلایه که در آن از الگوریتم یادگیری پس از انتشار خطا استفاده گردیده است. نتایج شبیهسازی نشاندهنده اینست که روش پیشنهادی نسبت به روشهای پیشین با دقت بهتری میتواند بیماری ALS را تشخیص دهد.

بیماری ALS، تحلیل فرکانسی سیگنال، الگوریتمهای یادگیری ماشین