طبقه بندی بیماری پارکینسون بوسیله شبکه های عصبی MLP و الگوریتم ژنتیک

در تشخیص بیماری پارکینسون از روشهای مختلفی استفاده شده است.از جمله این روشها میتوان به سیستم های تشخیص و گفتار اشاره نمود. ازآنجا که اغلب این بیماری را توسط نشانه های صوتی بیماران مبتلا به PD مانند کاهش بلندی و وضوح صدا ،اختلال در کیفیت صدا شناسایی می کنند این روش کاربرد زیادی در تشخیص دقیق این بیماری دارد.زمینه پردازش گفتار وسیستم های تشخیص گفتار در طول چند دهه گذشته بسیار مورد توجه قرار گرفته است. روش تجزیه و تحلیل شامل روش پردازش سیگنال دیجیتال سنتی از قبیل مدل مارکف مخفی، فیلتر کالمن، کوتاه مدت تجزیه و تحلیل فرکانس وتبدیل موجک بطور موفقیت آمیزی برای افزایش تشخیص گفتار توسط برنامه های کاربردی مورد استفاده قرار گرفته اند. از آنجا که تحقیقات قبلی بر روی بیماران نشان داده که 90 %از بیماران مبتلا به بیماری پاکینسون یک اختلال صوتی در آنها مشاهده شده است.بنابراین اندازگیری این علایم صوتی و شناسایی آنها در تشخیص بیماری نقش مهمی ایفا می کند.درابتدا تحلیل واریانس این ویژگی ها صوتی برای بدست آوردن تعداد ورودی های متعادل تر محاسبه می شود وسپس این ویژگی ها بعنوان ورودی وارد شبکه عصبی می شود.وزنها شبکه عصبی نیزتوسط الگوریتم ژنتیک اصلاح می گردد.

Keywords:

بیماری پارکینسون , شبکه های عصبی مصنوعی , MLP , الگوریتم ژنتیک