تشخیص بیماری پارکینسون با الگوریتم ترکیبی دودویی سنجاقک و الگوریتم نزدیک ترین همسایه

الگوریتم های یادگیری ماشین و هوش مصنوعی در تشخیص و درمان به موقع بیماری ها نقش به سزایی دارند. بیماری پارکینسون یکی از بیماری های عصبی مخرب شناخته شده در جهان است و ارایه ابزاری هوشمند برای تشخیص و درمان به موقع بیماری نقش حیاتی برای بیمار دارد. در این مطالعه، تشخیص بیماری پارکینسون با الگوریتم ترکیبی دودویی سنجاقک و الگوریتم نزدیکترین همسایه ارایه شده است. در الگوریتم ترکیبی مجموعه داده بیماری پارکینسون با ویژگی ها صدا انتخاب شده است. در روش پیشنهادی، الگوریتم دودویی سنجاقک 10 ویژگی موثر بیماری پارکینسون را تشخیص داده است و الگوریتم نزدیکترین همسایه با 97.83 درصد صحت توانسته است بیماری پارکینسون را پیش بینی کند. نتایج حاصل نشان می دهد که روش پیشنهادی به طور قابل توجهی صحت پیش بینی پیشرفت بیماری پارکینسون را بهبود می بخشد. مدل هوشمند ترکیبی می تواند پزشکان را در زمینه مراقبت های بهداشتی برای تشخیص زود هنگام بیماری پارکینسون یاری کند.

Keywords:

انتخاب ویژگی , بیماری پارکینسون , الگوریتم دودویی سنجاقک و الگوریتم نزدیکترین همسایه