مقایسه pca-sofm و sofm به منظور تشخیص بیماری پارکینسون بااستفاده ازویژگیهای سیگنالهای صوتی
Publish place: 20th Iranian Conference on Biomedical Engineering(ICBME2013)
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 917
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME20_082
تاریخ نمایه سازی: 25 فروردین 1394
Abstract:
تخریب صوتی جزء اولین نشانه های بیماری پارکینسون است. با توجه به اهمیت تشخیص زود هنگام این بیماری نورولوژیکی، آنالیز تغییرات ایجاد شده در سیگنالهای صوتی، یکی از راهکارهای مطرح در زمینه تفکیک بیماران پارکینسونی است. دراین مقاله به منظور تشخیص بیماران دچار پارکینسون با استفاده از آنالیز سیگناهای صوتی، راهکارهایی مبتنی بر شبکه های عصبی خودسازمانده و همچنین ترکیب این شبکه عصبی با الگوریتمPCAارائه شده است. در راهکار ارائه شده تعدادی ویژگی آکوستیکی سیگنال صوت، مربوط به سه بخش اصلی سیستم گفتاری، استخراج شدهاند. به منظور تشخیص نقص عملکردی در هر یک از بخشهایسیستم گفتاری، از یک شبکه عصبی خودسازمانده استفاده شده است. سپس نوعی رایگیری بین نتایج بدستآمده از هر شبکه عصبی انجام شده است. به بیان دیگر تشخیص بیماری یا عدم بیماری با استفاده از حداکثر رای شبکه های عصبی خودسازمانده انجام میگیرد. دادههای انسانی از 22 فرد، 11 فرد سالم و 11 بیمار، استخراج شدهاند. در نهایت نتایج دو راهکار طبقه بندی، مقایسه شده اند. درصد طبقهبندی با استفاده از حداکثر آرا برای هر راهکار به ترتیب 81.52 و 76.08 درصد بوده است.
Keywords:
Authors
زهره اشرف گنجویی
گروه مهندسی پزشکی دانشگاه آزاد اسلامی واحد مشهد ایران
حمیدرضا کبروی
عضو هیئت علمی گروه مهندسی پزشکی دانشگاه آزاد اسلامی واحد مشهد ایران
علی شعیبی
عضو هیئت علمی گروه پزشکی دانشکده علوم پزشکی مشهد ایران
ساناز احمدزاده
گروه مهندسی پزشکی دانشگاه آزاد اسلامی دزفول ایران