فائزه لطفی، کارشناسی ارشد رشته مهندسی برق- کنترل، دکتر امید مرادی

نام و نام خانوادگی: فائزه لطفی
عنوان پایان نامه: پیش‌بینی بیماری پارکینسون با استفاده از تحلیل سیگنال‌های حاصل از راه رفتن و ماشین بردار پشتیبان بهینه شده توسط الگوریتم تکامل تفاضلی
رشته تحصیلی: مهندسی برق- کنترل
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر امید مرادی
چکیده:حدود 7 تا 10 میلیون نفر در سراسر جهان از بیماری پارکینسون رنج می‌برند و پیش‌بینی‌ها حاکی از آن است که تعداد مبتلایان به پارکینسون در ایران و سایر کشور‌های جهان در 17 سال آینده (2040 میلادی) به دلیل افزایش روزافزون سن جمعیتی، چشمگیر باشد. تجزیه و تحلیل سیگنال‌های حرکتی می‌تواند برای شناسایی بیماری پارکینسون با استفاده از روش‌های یادگیری خودکار عملیاتی شود. محققان به دلیل چالش‌هایی مانند دقت کم، مقاوم نبودن در برابر نویز محیطی برای سیگنال‌های دریافت شده، حجم محاسباتی بالا، عدم قطعیت و عدم تعمیم‌پذیری، به دنبال راهکار‌های جایگزین‌ها و راه حل‌های توانمندتری برای روش‌هایی هستند که تاکنون معرفی شده‌اند. با در نظر گرفتن این چالش‌ها ، این مطالعه از داده‌های پایگاه داده Physionet که روی حسگر‌های واقع در کف پا برای تعیین وقوع ناهنجاری‌های حرکتی ناشی از بیماری پارکینسون استفاده کرد. ماشین بردار پشتیبان با هسته تابع پایه شعاعی در روش پیشنهادی در کنار گام‌هایی چون پیش پردازش داده‌ها، استخراج ویژگی و طبقه‌بندی استفاده می‌شود. برای بهینه‌سازی طبقه‌بندی از الگوریتم‌های تکاملی-دیفرانسیل استفاده شده که سبب می‌شود پارامتر‌های کرنل تابع پایه شعاعی در فضای جواب یافت شود و ابر صفحه مناسب جهت تفکیک ایجاد گردد. تجزیه و تحلیل داده‌ها و ویژگی‌ها به طور قابل توجهی با مرحله پیش پردازش، که شامل تصادفی‌سازی ترتیب داده‌ها و هنجار‌سازی ویژگی‌ها است، بهبود یافته است. مقایسه آماری بین نتایج سه روش مشابه و روش پیشنهادی برای بررسی مراحل استخراج ویژگی و طبقه‌بندی انجام شده است. به عنوان راه حلی برای تعمیم‌پذیر و روش با قابلیت فائق آمدن بر عدم قطعیت، یک آزمون تکرارپذیری برای الگوریتم طراحی شده است و دقت آزمون در شرایط مختلف پس از اعتبار سنجی متقاطع K-fold با مقادیر مختلف K بیش از 5/96 درصد به دست آمده است.طبق بررسی‌های انجام شده این مدل یک مدل مقاوم است، چرا که علیرغم اعمال سیگنال‌های متفاوت دریافت شده از افراد، ثابت شده است که دقت آن پایدار باقی مانده است. در نهایت، استنتاج شده که مدل پیشنهادی در تشخیص زودهنگام بیماری پارکینسون به طور قابل توجهی نسبت به روش‌های مشابه قبلی برتری دارد.
کلیدواژه: پارکینسون، استخراج ویژگی، الگوریتم تکاملی-دیفرانسیلی، ماشین بردار پشتیبان، هسته تابع پایه شعاعی.