تشخیص سطح بیماری اسکلروز چند گانه با استفاده از سیگنال راه رفتن مبتنی بر ویژگی های فرکانسی و آشوبگونه و آماری

غلاف میلین، یک لایه لیپوپروتئینی است که بر روی بسیاری از دندریت های بلند و آکسونها تشکیل می شود و نقش آن ایجاد نارسانایی بیش تر بر روی سطح تار عصبی است که این امر باعث افزایش سرعت هدایت پیام های الکتریکی در درازای تار میشود. از بین رفتن پوشش میلین موجب نارسایی در هدایت پیام های عصبی و بنابراین بروز بیماری های عصبی هم چون اسکلروز چندگانه می شود. بیماری اسکلروز چندگانه شامل سه سطح عود کننده فروکش کننده، اولیه پیش رونده، ثانویه پیش رونده می باشد. به منظور انجام پزوهش، سیگنال راه رفتن ۵۰ نفر از بیماران ام اس استفاده شد. پس از جمع آوری داده های مورد نیاز، با استفاده ضرایبپیش فرض متلب مبتنی بر فیلتر بانک تبدیل موجک، سیگنال راه رفتن بیماران ام اس جهت حذف نویز پیش پردازش شد. سپس ازسیگنال راه رفتن بیماران ویژگی فرکانسی مانند میانه و میانگین فرکانسی، نسبت فرکانسی بالا به پایین و میانه و میانگین اصلاح شدهفرکانسی و آشوبگونه مانند بعد فراکتال و آماری مانند میانه و میانگین و چولگی و کشیدگی استخراج شد و سپس با استفاده از طبقهبندهای شبکه عصبی تطبیقی فازی سطوح مختلف این بیماری تفکیک گردید تا بدین ترتیب با تشخیص سریع و خودکار این بیماریبه پیش گیری عوارض بالاتر آن کمک شود. در نهایت جهت ارزیابی عملکرد طبقه بند از پارامترهای حساسیت، صحت و قدرتتشخیص استفاده خواهیم کرد. نتایج نشان داد که استفاده از طبقه بند شبکه عصبی فازی دارای مقادیر بالای صحت ۷۵% و شاخصاختصاصیت ۸۳ % می باشد.

Keywords:

بیماری اسکلروز چند گانه , سیگنال راه رفتن , استخراج ویزگی , طبقه بندی