شناسایی بیماری اسکلروز آمیتروفیک جانبی مبتنی بر آنالیز غیرخطی سیگنال راه رفتن و هم جوشی در طبقه بندهای هوشمند

بیماری اسکلروز جانبی آمیوتروفیک یک بیماری نورون‌های حرکتی است که موجب تخریب پیشرونده و غیرقابل‌ترمیم در دستگاه عصبی مرکزی (مغز و نخاع) و دستگاه عصبی محیطی می‌شود. این عارضه با نشانه‌های فلج مرکزی و محیطی تواما همراه است. در این مطالعه، یک ساختار طبقه بندی بیماری اسکلروز جانبی آمیوتروفیک از حالت سالم، مبتنی بر آنالیز دینامیک راه رفتن ارایه می‌شود. بدین منظور از یک ساختار پنج مرحله‌ای استفاده می‌گردد. در گام اول، از یک دسته داده‌ ثبت شده توسط سنسورهای مقاومتی حساس به نیرو برای آنالیز دینامیک راه رفتن که در زیر پا قرار می‌گیرند، استفاده شده است. این دادها شامل 15 ثبت از بیماران پارکینسونی، 20 ثبت از بیماران ‌هانتینگتون، 13 ثبت از بیماری اسکلروز جانبی آمیوتروفیک و 16 ثبت برای گروه کنترل است. در گام دوم، سیگنال اخذ شده به کمک فیلتر بانک تبدیل موجک دابیچیز 8، با هشت سطح تجزیه، با ضرایب پیش فرض نرم افزار متلب، کاهش نویز و بهسازی می‌شود. در گام سوم، از داده‌های ثبت شده مجموعه‌ای از ویژگی‌های زمانی، فرکانسی و غیرخطی (نمای لیاپانوف) استخراج می‌شود. مجموعه‌ ویژگی‌های یازده گانه از دو الکترود پای راست و چپ استخراج می‌شود. در گام چهارم، ویژگی‌های استخراج شده به عنوان ورودی یک ساختار کاهش بعد ویژگی (آنالیز مولفه‌های اصلی) در نظر گرفته می‌شوند. ویژگی‌های کاهش بعد یافته، شامل 8 ویژگی، به عنوان ورودی ساختارهای طبقه بندی خطی (ماشین بردار پشتیبان خطی) و غیر خطی (نزدیک‌ترین همسایه و شبکه‌های عصبی) در نظر گرفته می‌شوند. تمامی شبیه سازی‌ها تحت نرم افزار MATLAB پیاده سازی شد و اعتبارسنجی روش پیشنهادی از طریق تحلیل ماتریس درهم ریختگی و محاسبه‌ شاخص دقت، صحت و شاخص اختصاصیت انجام شد. نتایج حاصل از شبیه سازی نشان داد که شبکه‌ عصبی چند لایه‌ پرسپترون با ویژگی‌های کاهش بعد یافته (غیرخطی) دقتی بالاتر از 92 درصد را در تشخیص بیماری اسکلروز جانبی آمیوتروفیک مبتنی برآنالیز دینامیک راه رفتن را دارد.