دوره 19، شماره 3 - ( خرداد 1395 )                   جلد 19 شماره 3 صفحات 61-54 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Abedi B, Abbasi A, Sarbaz Y, Goshvarpour A. Early Detection of Amyotrophic Lateral Sclerosis (ALS) using the Gait Motor Signal Frequency Analysis. J Arak Uni Med Sci 2016; 19 (3) :54-61
URL: http://jams.arakmu.ac.ir/article-1-4024-fa.html
عابدی بهزاد، عباسی عطااله، سرباز یاشار، گشوارپور عاطفه. تشخیص زود هنگام بیماری ALS با استفاده از تحلیل فرکانسی سیگنال حرکتی راه رفتن. مجله دانشگاه علوم پزشكي اراك. 1395; 19 (3) :54-61

URL: http://jams.arakmu.ac.ir/article-1-4024-fa.html


1- گروه مهندسی پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران.
2- گروه مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران. ، ata.abbasi@sut.ac.ir
3- گروه مهندسی مکاترونیک، دانشگاه تبریز، تبریز، ایران.
4- گروه مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران.
چکیده:   (10700 مشاهده)

زمینه و هدف: ALS یک بیماری عصبی ماهیچهای پیش رونده است که از مهمترین مشخصات آن تخریب نورونهای 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 نمیتوانند به صورت عادی راه بروند. به همین دلیل، یکی از روشهای مفید برای تشخیص این بیماری از سایر بیماریهای عصبی و یا تشخیص بیماران مبتلا به ALS از افراد سالم، تحلیل سیگنال حرکتی راه رفتن است.

مواد و روش‌ها: در این مطالعه از دادگان موجود در سایت فیزیونت استفاده شده است. این پایگاه دادهای 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 هیچگونه سابقه بیماری عصبی دیگری نداشتند و در هنگام راه رفتن از هیچ وسیله کمکی مانند ویلچر استفاده نمیکردند.

یافته‌ها: در این مطالعه از طیف توان که از ویژگیهای فرکانسی است، برای آشکارسازی تفاوتهای احتمالی سریهای زمانی افراد بیمار و سالم استفاده شد. توان طیف هر دو گروه در فرکانسهای بالا مشابه است، ولی در فرکانسهای پایین، توان طیف در افراد سالم معمولاً کمتر از افراد بیمار است.

نتیجه‌گیری: شبکه عصبی مصنوعی با بیان‌گر قدرت تفکیک 83 درصد برای مجموعه داده‌های آزمایش در بین افراد سالم و بیمار به کار رفت. به نظر می‌رسد این الگوریتم روش مناسبی برای جداسازی افراد بیمار و سالم در مراحل اولیه بیماری باشد.

متن کامل [PDF 676 kb]   (2571 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: عمومى
دریافت: 1394/8/1 | پذیرش: 1394/11/21

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشگاه علوم پزشکی اراک می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Arak University of Medical Sciences

Designed & Developed by : Yektaweb