```
پایان نامه > کتابخانه مرکزی دانشگاه صنعتی شاهرود > علوم ریاضی > مقطع کارشناسی ارشد > سال 1405
پدیدآورندگان:
صفا رعد خلف [پدیدآور اصلی]، سمیه مغاری[استاد راهنما]
چکیده: چکیده بیماری پارکینسون یکی از شایع‌ترین اختلالات عصبی پیشرونده است که تشخیص زودهنگام آن به دلیل شباهت برخی علائم اولیه با تغییرات طبیعی حرکتی، همچنان یک چالش مهم محسوب می‌شود. از آنجا که این بیماری تأثیر مستقیمی بر الگوهای حرکتی افراد، به‌ویژه نحوه راه رفتن، تعادل و هماهنگی حرکات دارد، تحلیل سیگنال‌های حرکتی ثبت‌شده توسط حسگرهای پوشیدنی و تلفن‌های هوشمند می‌تواند روشی غیرتهاجمی و قابل اعتماد برای تشخیص آن فراهم کند. مسئله اصلی این پژوهش، طراحی روشی کارآمد برای تشخیص بیماری پارکینسون بر اساس داده‌های سنسوری حرکتی و بدون وابستگی به طبقه‌بندهای پیچیده و تعداد زیادی نمونه برچسب‌گذاری‌شده است. در این پژوهش، یک چارچوب مبتنی بر یادگیری بدون نظارت با استفاده از خودرمزگذار برای یادگیری الگوهای طبیعی حرکت و شناسایی انحرافات ناشی از بیماری ارائه شده است. داده‌های مورد استفاده شامل سیگنال‌های راه رفتن استخراج‌شده از مجموعه‌داده mPower هستند که توسط حسگرهای شتاب‌سنج و ژیروسکوپ تلفن همراه ثبت شده‌اند. در روش پیشنهادی، ابتدا داده‌های خام پس از پالایش کیفیت، یکسان‌سازی نرخ نمونه‌برداری، نرمال‌سازی و تقسیم به پنجره‌های زمانی ثابت آماده‌سازی می‌شوند. سپس خودرمزگذار با استفاده از نمونه‌های افراد سالم آموزش داده می‌شود تا نمایش فشرده‌ای از الگوی حرکتی طبیعی را در فضای نهفته یاد بگیرد. در مرحله تشخیص، نمونه‌های افراد سالم و بیماران پارکینسون با استفاده از مدل آموزش‌دیده بازسازی شده و میزان خطای بازسازی به عنوان معیار تشخیص ناهنجاری مورد استفاده قرار می‌گیرد. نتایج تجربی نشان می‌دهد که روش پیشنهادی قادر است تفاوت‌های موجود در الگوهای حرکتی افراد سالم و مبتلا به پارکینسون را به‌صورت مؤثر استخراج کرده و با دستیابی به دقت تشخیص 96 درصد، عملکرد قابل توجهی در شناسایی بیماری ارائه دهد. این نتایج نشان می‌دهد که استفاده از خودرمزگذار مبتنی بر داده‌های سنسوری می‌تواند رویکردی مناسب، کم‌هزینه و غیرتهاجمی برای تشخیص خودکار بیماری پارکینسون باشد.
کلید واژه ها (نمایه ها):
#کلمات کلیدی: بیماری پارکینسون #خودرمزگذار #یادگیری بدون نظارت #حسگرهای حرکتی #سیگنال‌های راه رفتن #تشخیص ناهنجاری #مجموعه‌داده mPower.
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده:
پایان نامه های مرتبط (بر اساس کلیدواژه ها)