مقايسه عملكرد دو الگوريتم ادغام در سطح ويژگي و سيگنال در تفكيك سيگنال راه رفتن بيماران اسكلروز جانبي آميوتروفيك از افراد سالم

بيماري اسكلروز جانبي آميوتروفيك(Amyotrophic lateral sclerosis; ALS) يك بيماري عصبي عضلاني و شايع ترين بيماري نورون‌هاي حركتي است. از آنجا كه يكي از مهم‌ترين علائم اوليه بيماري، وجود اختلالات حركتي است، بررسي اختلالات راه رفتن در كانون توجه بسياري از محققان قرار گرفته است. هدف مطالعه حاضر، ارائه الگوريتمي مناسب براي تشخيص بيماري ALS مي‌باشد. از داده‌هاي موجود در پايگاه فيزيونت استفاده شده است. اين داده‌ها از 13 بيمار ALS و 16 فرد سالم جمع‌آوري شده است. در اين تحقيق از دو روش ادغام براي تركيب اطلاعات سيگنال‌هاي پاي راست و چپ قبل از استخراج ويژگي(ادغام در سطح سيگنال) و پس از استخراج ويژگي(ادغام در سطح ويژگي) استفاده شده است. از ويژگي‌هاي غيرخطي كمي سازي سيگنال حركتي راه‌رفتن افراد سالم و بيمار استفاده كرديم، كه عبارتند از: لگاريتم انرژي، آنتروپي شانون، هيگوچي فراكتال، فراكتال كتز. سپس، با انجام آزمون آماري ويلكاكسون بر ويژگي‌هاي استخراجي، اقدام به يافتن تفاوت معنادار ميان گروه‌ها نموديم. براي تفكيك افراد ALS از گروه نرمال از طبقه‌بند ماشين بردار پشتيبان استفاده شد. الگوريتم پيشنهادي توانايي تشخيص بيماري ALS را با ميانگين درصد صحت % 87 دارا مي‌باشد. بيش‌ترين درصد صحت طبقه‌بندي با استفاده از ويژگي كتز بدست آمد كه % 100مي‌باشد. سيستم پيشنهادي مبتني بر الگوريتم‌هاي ادغام نه تنها حجم محاسبات را كاهش مي‌دهد، بلكه در ارائه نرخ‌‌هاي تفكيك نيز عملكرد بسيار خوبي دارد. اين چارچوب مي‌تواند راه را براي توسعه سيستم‌هاي تشخيصي ساده با عملكرد بالا در آينده بگشايد.