>
Fa   |   Ar   |   En
   انتخاب و مقایسه عملکرد ویژگی‌های بهینه استخراج‌شده از سیگنال گفتار برای تشخیص خودکار بیماری پارکینسون  
   
نویسنده آزادی حمید ,خلیل زاده محمدعلی ,اکبرزاده توتونچی محمدرضا ,کبروی حمیدرضا ,رضایی طلب فریبرز ,ضیافتی باقرزاده امیر ,نوعی سرچشمه علیرضا ,شاهسون پور نینا
منبع مهندسي پزشكي زيستي - 1395 - دوره : 10 - شماره : 1 - صفحه:41 -47
چکیده    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 مقایسه 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 کننده 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.
کلیدواژه بیماری پارکینسون، سیگنال گفتار، روش انتخاب ویژگی تسکین، طبقه‌بندی کننده ماشین بردار پشتیبان
آدرس دانشگاه فردوسی مشهد, دانشکده مهندسی, گروه مهندسی پزشکی, ایران. دانشگاه آزاد اسلامی واحد مشهد, باشگاه پژوهشگران جوان و نخبگان, ایران, دانشگاه آزاد اسلامی واحد مشهد, گروه مهندسی پزشکی, ایران, دانشگاه فردوسی مشهد, دانشکده مهندسی, گروه مهندسی پزشکی, ایران, دانشگاه آزاد اسلامی واحد مشهد, گروه مهندسی پزشکی, ایران, دانشگاه فردوسی مشهد, دانشکده علوم پزشکی, گروه عصب شناسی, ایران, دانشگاه آزاد اسلامی واحد مشهد, باشگاه پژوهشگران جوان و نخبگان, گروه مهندسی پزشکی, ایران, دانشگاه فردوسی مشهد, دانشکده مهندسی, گروه مهندسی پزشکی, ایران. دانشگاه آزاد اسلامی واحد مشهد, باشگاه پژوهشگران جوان و نخبگان, ایران, دانشگاه آزاد اسلامی واحد مشهد, گروه مهندسی پزشکی, ایران
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved