طبقهبندی بیماریهای نورودیجنریتیو با استفاده از تحلیل کمی بازگشتی سیگنال راه رفتن
نویسندگان
1 دانشگاه سمنان
2 دانشگاه سمنان
doi
10.22041/ijbme.2025.2052006.1953چکیده
بیماریهای عصبی یکی از نگرانیهای اصلی در سراسر جهان هستند و تأثیر زیادی بر تعادل و توانایی راه رفتن دارند. اختلال در روند راه رفتن نشانهای است که در بیماران نورودیجنریتیو دارای علایم خفیف نیز منعکس میگردد. هدف این پژوهش طبقهبندی چهارکلاسه بیماران نرودیجنریتیو بر اساس تجزیه و تحلیل راه رفتن افراد با استفاده از ویژگیهای موثر تحلیل کمی بازگشتی (RQA) است. دادگان مورد استفاده شامل دوره زمانی گام، نوسان و ایستان هر دو پا برای 20 بیمار هانتینگتونی (HD)، 15بیمار پارکینسونی (PD)، 13 اسکلروز جانبی آمیوتروفیک (ALS) و 16فرد سالم (HC)است. ویژگیهای استخراج شده از RQA شامل نرخ بازگشتی، قطعیت، متوسط خط مورب، حداکثر طول خطوط مورب، آنتروپی خط مورب، لمیناریتی، زمان به دام انداختن، طول طولانیترین خط عمودی، زمان بازرخداد اول و دوم، چگالی آنتروپی بازرخداد، ضریب خوشهبندی و گذرایی است. به منظور استخراج بهترین ویژگیها، از الگوریتم جستجوی رو به جلو شناور متوالی و به منظور طبقهبندی از طبقهبندهای کلاسیک مختلف استفاده شده است. در مقالات اخیر طبقهبندیها به صورت دوکلاسه بوده است اما در این پژوهش طبقهبندی چهارکلاسه هم انجام شد. طبقهبندی چهارکلاسه ALS vs. PD vs. HD vs. HC با طبقهبند ماشین بردار پشتیبان با اعتبارسنجی4قسمتی به صحت 9/87 % دست یافت. همچنین برای طبقهبندی دوکلاسه HC vs. HD ، HC vs. ALS ، HC vs. PD، PD vs. HD، PD vs. ALS، ALS vs. HD وNDD vs. HC به ترتیب صحت 92، 2/96، 1/93، 1/87، 8/90، 3/91 و 7/91% حاصل شد. این پژوهش نشانگر کارآیی روش RQA و ویژگیهای حاصل از آن برای توصیف تغییرات در سیگنالهای دینامیکی غیرخطی و غیرایستان راه رفتن به منظور ارزیابی بیماریهای نورودیجتریتیو ارائه میدهد.