انتخاب و مقایسة عملکرد ویژگیهای بهینة استخراجشده از سیگنال گفتار برای تشخیص خودکار بیماری پارکینسون
نویسندگان
1 گروه مهندسی پزشکی، دانشکده مهندسی،دانشگاه فردوسی مشهد، مشهد - باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی، مشهد - قطب علمی رایانش نرم و پردازش هوشمند اطلاعات، دانشگاه فردوسی مشهد، مشهد
2 گروه مهندسی پزشکی، واحد مشهد ، دانشگاه آزاد اسلامی، مشهد
3 گروه مهندسی پزشکی، واحد مشهد ، دانشگاه آزاد اسلامی، مشهد - باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی، مشهد
4 گروه مهندسی پزشکی، دانشکده مهندسی،دانشگاه فردوسی مشهد، مشهد - باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی، مشهد
5 گروه مهندسی پزشکی، واحد مشهد ، دانشگاه آزاد اسلامی، مشهد
6 گروه مهندسی پزشکی، دانشکده مهندسی،دانشگاه فردوسی مشهد، مشهد - قطب علمی رایانش نرم و پردازش هوشمند اطلاعات، دانشگاه فردوسی مشهد، مشهد
7 گروه مهندسی پزشکی، واحد مشهد ، دانشگاه آزاد اسلامی، مشهد
8 گروه عصب شناسی، دانشکده علوم پزشکی، دانشگاه فردوسی مشهد، مشهد
doi
10.22041/ijbme.2017.55213.1174چکیده
در سالهای اخیر، محققین تلاشهای زیادی برای تشخیص بیماری پارکینسون از طریق یافتن ارتباط آن با سیگنال گفتار افراد انجام دادهاند. همچنین پژوهشهایی در تعیین شدت بیماری و ارتباط آن با اختلالات صوتی انجام شده است. هدف این مقاله، ارزیابی و مقایسة توانایی دسته ویژگیهای مختلف استخراجی از سیگنال گفتار، در تشخیص بیماری پارکینسون است. برای این منظور، 12 دسته ویژگی از سیگنال گفتار ارزیابی شدهاند، تحلیل صدا روی قسمت آواسازی افراد انجام شده و واج /آ/ توسط افراد بیان شده است. با انتخاب بهترین ویژگیها از هر دسته، که شامل 132 ویژگی است، به روش تسکین و اعمال آن به طبقهبندی کنندة ماشین بردار پشتیبان، مقایسهای بین دسته ویژگیهای مختلف انجام شد. همچنین با ترکیب ویژگیهای منتخب از هر دسته، صحت تفکیک بسیار خوب 95.93 درصد، در جداسازی گروه سالم از بیمار بهدست آمد. نتایج حاصل از این پژوهش، میتواند گامی بسیار مهم در تشخیص غیرتهاجمی بیماری پارکینسون باشد.
