تشخیص بیماری پارکینسون با استفاده از اطلاعات حرکتی از طریق نگاشت شبکه عصبی پس‌انتشارخطا (BP) و یادگیری‌ماشین
Paper ID : 1035-ICTCK (R1)
Authors:
1هاجر نیک اندیش *, 2اسماعیل خیرخواه
1فارغ التحصیل کارشناسی ارشد کامپیوتر
2مدیر کل دفتر فناوری و اطلاعات دانشگاه آزاد اسلامی مشهد
Abstract:
پارکینسون بیماری اختلال حرکتی مزمن و همیشه در حال پیشرفت می‌باشد و تشخیص این بیماری به‌خصوص در مراحل اولیه اغلب دشوار است. در این مقاله، ویژگی‌های حرکتی افراد در استفاده از کامپیوتر با کمک نرم‌افزار Fitts Law استخراج شده، و با نگاشت شبکه عصبی پس‌انتشار خطا به علائم بیماری پارکینسون تبدیل شده است. سپس از چهار طبقه‌بند درخت تصمیم C4.5، ماشین بردار پشتیبان، شبکه بیزین و k نزدیک‌ترین همسایه برای پشتیبانی از متخصصین جهت تشخیص این بیماری استفاده شده است. روش ارائه شده صحت طبقه‌بندی قابل قبولی را از طریق آنالیز روش K-fold CV با بالاترین صحت 94.44% و میانگین صحت 85.53% بعد از نگاشت شبکه عصبی پس‌انتشار خطا به کمک طبقه‌بند درخت تصمیم C4.5 در طی 5 بار اجرای فرآیند 5-fold CV بدست آورده است. هدف این مقاله ارائه روشی ساده و کم‌ هزینه می‌باشد. آزمایش‌های انجام ‌شده بهبود تشخیص بیماری پارکینسون را در روش ارائه ‌شده نشان می‌دهد.
Keywords:
تشخیص بیماری پارکینسون، درخت تصمیم C4.5، شبکه عصبی پس‌انتشار، ماشین بردار پشتیبان، k نزدیک‌ترین همسایه، درخت تصمیم C4.5، شبکه بیزین
Status : Paper Accepted