فاطمه اهوز - عضو هیئت علمی- دانشگاه صنعتی خاتم الانبیاء بهبهان- بهبهان- ایران
امین گلاب پور - استادیار- گروه فناوری اطلاعات سلامت- دانشکده پیراپزشکی- دانشگاه علوم پزشکی شاهرود- شاهرود- ایران

مقدمه: بیماری پارکینسون یک معضل بهداشت جهانی مهم است که با گذشت زمان علایم آن شدیدتر می شود. تشخیص و درمان سریع این بیماریمنجر به بهبود مهارت ها، توانمندی ها و عملکرد مبتلایان در کارهای روزمره زندگی می شود. به منظور تشخیص زودهنگام این بیماری، تولیدسیستم های کمک تصمیم یار بالینی که قادر به کشف قوانین تشخیصی این بیماری باشند، ضروری است.مواد و روش ها: در این مقاله یک روش خودکار استخراج قوانین تشخیصی جدید برای بیماری پارکینسون ارایه می شود. روش پیشنهادی مبتنی بررگرسیون منطقی و الگوریتم شبیه سازی تبرید است. جهت ارزیابی روش از مجموعه داده پارکینسون آکسفورد استفاده شده که اطلاعات ۲۳ فرد مبتلابه پارکینسون و ۸ فرد سالم را در قالب ۱۹۵ رکورد ذخیره کرده است. برای هر رکورد ۲۳ ویژگی ذخیره شده که شامل ۲۲ اندازه گیری صوتی است.نتایج: نتایج به دست آمده شامل دو قانون تشخیصی است؛ در سیستم های خودکاری که صحت بالا اولویت دارد، یک قانون جدید شامل ۲۱ عبارتمنطقی ارایه شده است که دارای صحت ۹۲/۳۱، حساسیت ۸۵/۴۲ و ویژگی ۹۴/۵۶ درصد است. همچنین برای سیستم های بلادرنگ و کمک تصمیم یاربالینی با قابلیت تفسیرپذیری بالا، قانونی متشکل از سه عبارت منطقی پیشنهاد شده است که دارای صحت ۷۸/۹۷، حساسیت ۷۷/۰۸ و ویژگی ۷۹/۵۹درصد است.نتیجه گیری: نتایج به دست آمده نشان دهنده قدرت بالای تفسیرپذیری و قابلیت اعتماد قانون به دست آمده در تشخیص بیماری پارکینسون است کهمی تواند در پیاده سازی سیستم های از راه دور تشخیصی استفاده شود.

پارکینسون، رگرسیون منطقی، شبیه سازی تبرید، استخراج قانون