شناسایی بیماری اسکلروز آمیتروفیک جانبی مبتنی بر آنالیز غیرخطی سیگنال راه رفتن و هم جوشی در طبقه بندهای هوشمند

بیماری اسکلروز جانبی آمیوتروفیک یک بیماری نورون های حرکتی است که موجب تخریب پیشرونده و غیرقابل ترمیم در دستگاهعصبی مرکزی (مغز و نخاع) و دستگاه عصبی محیطی می شود. این عارضه با نشانه های فلج مرکزی و محیطی تواما همراه است. در اینمطالعه، یک ساختار طبقه بندی بیماری اسکلروز جانبی آمیوتروفیک از حالت سالم، مبتنی بر آنالیز دینامیک راه رفتن ارائه میشود. بدینمنظور از یک ساختار پنج مرحله ای استفاده می گردد. در گام اول، از یک دسته داده ثبت شده توسط سنسورهای مقاومتی حساس به نیروبرای آنالیز دینامیک راه رفتن که در زیر پا قرار می گیرند، استفاده شده است. این دادها شامل ۱۷ ثبت از بیماران پارکینسونی، ۲۲ ثبت ازبیماران هانتینگتون، ۱۱ ثبت از بیماری اسکلروز جانبی آمیوتروفیک و ۱۱ ثبت برای گروه کنترل است. در گام دوم، سیگنال اخذ شده بهکمک فیلتر بانک تبدیل موجک دابیچیز ۸، با هشت سطح تجزیه، با ضرایب پیش فرض نرم افزار متلب، کاهش نویز و بهسازی می شود.در گام سوم، از داده های ثبت شده مجموعه ای از ویژگی های زمانی، فرکانسی و غیرخطی (نمای لیاپانوف) استخراج می شود. مجموعهویژگی های یازده گانه از دو الکترود پای راست و چپ استخراج می شود. در گام چهارم، ویژگی های استخراج شده به عنوان ورودییک ساختار کاهش بعد ویژگی (آنالیز مولفه های اصلی) در نظر گرفته می شوند. ویژگی های کاهش بعد یافته، شامل ۸ ویژگی، به عنوانورودی ساختارهای طبقه بندی خطی (ماشین بردار پشتیبان خطی) و غیر خطی (نزدیکترین همسایه و شبکه های عصبی) در نظر گرفتهمی شوند. تمامی شبیه سازی ها تحت نرم افزار MATLAB پیاده سازی شد و اعتبارسنجی روش پیشنهادی از طریق تحلیل ماتریس درهمریختگی و محاسبه شاخص دقت، صحت و شاخص اختصاصیت انجام شد. نتایج حاصل از شبیه سازی نشان داد که شبکه عصبی چند لایهپرسپترون با ویژگی های کاهش بعد یافته (غیرخطی) دقتی بالاتر از ۹۲ درصد را در تشخیص بیماری اسکلروز جانبی آمیوتروفیک مبتنیبرآنالیز دینامیک راه رفتن را دارد.