عنوان

تشخیص بیماری‌های پارکینسون، هانتینگتون و اسکلروز جانبی آمیوتروفیک با استفاده از مشخصه‌های انحراف بین اعضا

کد کشور

IR

شماره

۳۷۷۸پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

تشخیص بیماری‌های پارکینسون، هانتینگتون و اسکلروز جانبی آمیوتروفیک با استفاده از مشخصه‌های انحراف بین اعضا

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Amyotrophic Lateral Sclerosis, Huntington and Parkinson diseases detection using inter-limb deviations of gait signals

نام نخستين پديدآور

/سیده مرضیه قرشی بیرامی

نام ناشر، پخش کننده و غيره

: مهندسی پزشکی

تاریخ نشرو بخش و غیره

، ۱۳۹۸

نام خاص و کميت اثر

۸۶ص.

ساير جزييات

:

متن يادداشت

زبان چکیده: فارسی

متن يادداشت

چاپی - الکترونیکی

متن يادداشت

مصور، جدول، نمودار

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی پزشکی- بیوالکتریک

زمان اعطا مدرک

۱۳۹۸/۰۶/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

با توجه به افزایش شیوع بیماری‌های عصبی پیش‌رونده تدریجی مانند اسکلروز جانبی آمیوتروفیک(ALS) ، پارکینسون و هانتینگتون، تشخیص آن‌ها به یکی از مسائل مورد توجه در سال‌های اخیر مبدل شده است .وقوع این بیماری‌ها به دلیل انحطاط سلول‌های عصبی است که می‌تواند منجر به حرکات غیرطبیعی و اختلالات راه رفتن شود .یکی از چالش‌های موجود درزمینه‌ی تشخیص این بیماری‌ها، ارائه یک الگوریتم تشخیص غیرتهاجمی و قابل‌اعتماد است که قادر باشد باوجود تفاوت‌های بین فردی، انواع مختلف بیماری‌ها را به کمک روش‌هایی با بار محاسباتی کم تشخیص دهد .جهت حل این مسئله در این تحقیق از تحلیل سیگنال راه رفتن به‌عنوان یک مشخصه غیرتهاجمی و کم‌هزینه استفاده شده است .در الگوریتم اول، به‌منظور کمی نمودن میزان انحراف در فواصل ایستایی، نوسانی و کل گام، ویژگی‌های جدیدی مبتنی بر تاب‌خوردگی پویا و انواع فواصل هندسی مورد استفاده قرار گرفته‌اند .در ادامه جهت طبقه‌بندی از روش یادگیری ماشین " کم‌ترین مربعات غیر منفی تنک "بهره گرفته شده است .در الگوریتم دوم، یک دسته از ویژگی‌های ساده تک متغیره آماری و بی‌نظمی از سیگنال متناسب با نیروی عمودی کف پا استخراج گردیده و موردبررسی قرار گرفته است .همچنین جهت اثبات میزان وابستگی نتایج به تغییر شرایط، تأثیر تفاوت‌های فردی بر عملکرد تشخیص به کمک یادگیری ماشین با تأکید روی شدت و دوره بیماری و پارامترهای پای چپ و راست بررسی شده است .ج‍ـهت بررسی قدرت ت‍ـشخیص روش‌های پی‍ـشنهادی از مجموعه داده‌های ب‍ـیماری‌های عصبی پیش‌رونده تدریجی، شامل ۱۶ فرد سالم، ۱۳ بیمار مبتلا بهALS ، ۱۵ بیمار مبتلا به بیماری پارکینسون و ۲۰ بیمار مبتلا به بیماری هانتینگتون استفاده شده است .نتایج نشان دادند که الگوریتم پیشنهادی با استفاده از سیگنال متناسب با نیروی عمودی کف پا بهترین نتیجه را برای تشخیص هر سه بیماریALS ، پارکینسون و هانتینگتون به ترتیب با صحت مناسب ۱۰۰، ۹۹/۷۸ و ۹۹/۹۰ درصد دارد .مقایسه ویژگی‌های مختلف استخراج‌شده نشان داد که ویژگی تاب‌خوردگی پویای سری راه رفتن مشخصه بهتری از نحوه تغییرات تقارن راه رفتن در بیماری ارائه می‌دهد .از سوی دیگر، با بررسی اثرات ویژگی‌های استخراج‌شده از سیگنال‌های پای چپ و راست متناسب با نیروی عمودی کف پا، توانایی تشخیص هر سه بیماری با استفاده از سیگنال یک‌پا توسط نتایج به‌دست‌آمده اثبات شد .نتایج حاصل‌شده به‌طورکلی برتری و پایداری روش کم‌ترین مربعات غیر منفی را در ایجاد مصالحه بین صحت و بار محاسباتی در مقایسه با روش‌های دیگر طبقه‌بند نیز نشان دادند .

متن يادداشت

The diagnosis of Neurodegenerative diseases (NDDs), such as Amyotrophic lateral sclerosis (ALS), Parkinson's disease (PD) and Huntington's disease (HD) has been a significant issue in the recent years due to their increasing incidences. These disorders are caused by degeneration of brain cells, leading to abnormal movements. The development of a reliable algorithm discriminating different types of NDDs in the presence of individual differences using computationally efficient processes is a challenge in this field. To tackle this challenge, gait signal analysis was used as a cost-effective and non-invasive monitoring tool. For this purpose, a new algorithm based on a set of new symmetry features such as dynamic gait series warping (DGSW) and distance metrics has been investigated to quantify the amount of divergence between the left and right stride, swing, and stance intervals. Sparse non-negative least squares (NNLS) classifier was also used for classification. In the second algorithm a methodology based on simple statistical and irregularity features of vertical ground reaction force (VGRF) has been developed. The effect of individual differences on the performance of diagnosis was also explored with emphasize on severity and duration of diseases as well as the right and left foot parameters to further confirm the robustness of the proposed technique. This study was evaluated using the NDDs dataset, which contains 16 healthy subjects, 13 patients with ALS, 15 patients with PD, and 20 patients with HD. The proposed method using VGRF signals achieved the best average accuracy rates of 100 , 99.78 , and 99.90 for ALS, PD, and HD detection, respectively. The results also confirmed that the dynamic gait series warping feature provide superior characteristics of affected gait signals. Findings also provided support for predictive power of either left or right foot features, leading to computationally efficient method. The experimental results generally validated the superiority and robustness of the sparse coding method over traditional classification methods in both accuracy and time-complexity.

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Amyotrophic Lateral Sclerosis, Huntington and Parkinson diseases detection using inter-limb deviations of gait signals

موضوع مستند نشده

تحلیل راه رفتن

موضوع مستند نشده

بیماری‌های عصبی پیش‌رونده تدریجی

موضوع مستند نشده

ویژگی‌های تقارن

موضوع مستند نشده

تاب‌خوردگی پویا

موضوع مستند نشده

کم‌ترین مربعات غیر منفی تنک

اصطلاح موضوعی

gait analysis, Neurodegenerative diseases, Symmetry features, Dynamic warping, Sparse non-negative least squares

اصطلاح موضوعی

تحلیل راه رفتن، بیماری‌های عصبی پیش‌رونده تدریجی، ویژگی‌های تقارن، تاب‌خوردگی پویا، کم‌ترین مربعات غیر منفی تنک

مستند نام اشخاص تاييد نشده

قرشی بیرامی، سیده مرضیه

مستند نام اشخاص تاييد نشده

قادریان،پیوند، استاد راهنما

کشور

ایران

تاريخ عمليات

20230617

شماره بازیابی

پزشکی.م ،۱۰۰۲۹ ،۱۳۹۸

نام ميزبان

ن‌وسنیکراپ‍ ی‌اهی‌رامیب‍ ص‌یخشت‍، اضعا ن‌یب‍ ف‌ارحنا ی‌اهه‌صخشم‍ زا ه‌دافتسا اب‍ ک‌یفورتویمآ ی‌بناج‍ زورلکسا و ن‌وتگنیتناه‍.pdf

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

3778.pdf

تاريخ و ساعت مذاکره و دسترسي

pm10029.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۳۷۷۸

يادداشت عمومي

فارسی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

pe

نوع ماده

TF

کد کاربرگه

92029

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y