تشخیص زود هنگام بیماری als با استفاده از تحلیل فرکانسی سیگنال حرکتی راه رفتن

بهزاد عابدی، behzad abedi department of medical engineering, tabriz university of medical sciences, tabriz, iran.گروه مهندسی پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران. عطااله عباسی، ataollah abbasi department of medical engineering, sahand university of technology, tabriz, iran.گروه مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران.سازمان اصلی تایید شده: دانشگاه علوم پزشکی تبریز (tabriz university of medical sciences) یاشار سرباز، yashar sarbaz department of mechatronics engineering, university of tabriz, tabriz, iran.گروه مهندسی مکاترونیک، دانشگاه تبریز، تبریز، ایران.سازمان اصلی تایید شده: دانشگاه صنعتی سهند (sahand university of technology) عاطفه گشوارپور، atefeh goshvarpour department of medical engineering, sahand university of technology, tabriz, iran.گروه مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران.سازمان اصلی تایید شده: دانشگاه تبریز (tabriz university)

چکیده

زمینه و هدف: als یک بیماری عصبی ماهیچه ای پیش رونده است که از مهم ترین مشخصات آن تخریب نورون های حرکتی در سیستم عصبی مرکزی و محیطی است. در حال حاضر هیچ روش کلینیکی دقیقی برای تشخیص این بیماری ارائه نشده است. در اغلب موارد افراد دارای als به دلیل اختلالات موجود در سیستم عصبی نمی توانند به صورت عادی راه بروند. به همین دلیل، یکی از روش های مفید برای تشخیص این بیماری از سایر بیماری های عصبی و یا تشخیص بیماران مبتلا به als از افراد سالم، تحلیل سیگنال حرکتی راه رفتن است. مواد و روش ها: در این مطالعه از دادگان موجود در سایت فیزیونت استفاده شده است. این پایگاه داده ای از 13 بیمار دارای als(als1,als2,…,als13) به همراه 16 فرد سالم (co1,co2,…,co16) تشکیل شده است. افراد بیمار شرکت کننده در این مطالعه هیچ گونه سابقه بیماری عصبی دیگری نداشتند و در هنگام راه رفتن از هیچ وسیله کمکی مانند ویلچر استفاده نمی کردند. یافته ها: در این مطالعه از طیف توان که از ویژگی های فرکانسی است، برای آشکارسازی تفاوت های احتمالی سری های زمانی افراد بیمار و سالم استفاده شد. توان طیف هر دو گروه در فرکانس های بالا مشابه است، ولی در فرکانس های پایین، توان طیف در افراد سالم معمولاً کمتر از افراد بیمار است. نتیجه گیری: شبکه عصبی مصنوعی با بیان گر قدرت تفکیک 83 درصد برای مجموعه داده های آزمایش در بین افراد سالم و بیمار به کار رفت. به نظر می رسد این الگوریتم روش مناسبی برای جداسازی افراد بیمار و سالم در مراحل اولیه بیماری باشد.