تشخیص بیماری پارکینسون از روی سیگنال و صوت افراد با بکارگیری شبکه های عصبی مصنوعی

تشخیص بیماری پارکینسون از روی سیگنال و صوت افراد با بکارگیری شبکه های عصبی مصنوعی

بیماری پارکینسون بیماری است که تشخیص آن به صورت پزشکی بسیار مشکل وهزینه بر است از آنجا که بیماری پارکینسون یک بیماری شایع در جوامع بشری است، هر روز محققان در پی این هستند تا یک راه حل برای تشخیص زودهنگام این بیماری بیابند. در تشخیص بیماری پارکینسون از روش های مختلفی استفاده شده است از جمله این روش ها می توان به سیستم های تشخیص گفتار اشاره نمود. از آنجا که اغلب این بیماری را توسط نشانه های صوتی بیماران مبتلا به بیماری پارکینسون مانند کاهش بلندی و وضوح صدا، اختلال در کیفیت صدا شناسایی می کنند. این روش کاربرد زیادی در تشخیص دقیق این بیماری دارد. تحقیقات قبلی بر روی بیماران نشان داده که 90% از بیماران مبتلا به بیماری پارکینسون یک اختلال صوتی در آنها مشاهده شده است.

بنابراین اندازه گیری این علایم صوتی و شناسایی آنها در تشخیص بیماری نقش مهمی ایفا می کنند. به این جهت از داده های صوتی در انجام این تحقیق استفاده می شود. به دلیل تعداد زیاد بیماران و آزمایش های متعدد هر بیمار، نیاز به یک ابزار خودکار برای کاوش در میان بیماران پارکینسون احساس می شود از طرفی از آنجا که تکنیک های شبکه های عصبی مصنوعی برای پیش بینی بیماری های مختلف در زمینه پزشکی نقش مهمی ایفا می کنند، در این مقاله از تکنیک های شبکه های عصبی پروپسترون چند لایه استفاده گردیده است. در انتها نتایج شبیه سازی و تحلیل داده ها در نرم افزار متلب ارائه شده است. نتایج این تحقیق نشان می دهد که میزان صحت طبقه بندی شبکه های عصبی پروپسترون چند لایه با نرخ دقت 99.999%بیشترین مقدار صحت را نسبت به روش های پیشین بدست آورده است.