عنوان
تشخيص بيماري پاركينسون با استفاده از الگوريتم‌هاي يادگيري ماشين مبتني بر مهندسي ويژگي و منطق فازي
نويسنده اصلي
ذوالفقاري، احسان
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي برق
مقطع تحصيلي
كارشناسي ارشد
چكيده
بيماري پاركينسون يكي از شايع‌ترين اختلالات تحليل‌برنده عصبي است كه عمدتاً بر عملكرد سيستم حركتي تأثير مي‌گذارد. با اينكه تشخيص زودهنگام اين بيماري نقش بسزايي در بهبود كيفيت زندگي بيماران و كاهش سرعت پيشرفت آن دارد، اما وجود علائم اوليه‌ي مبهم و گاه ناپيدا، چالش‌هاي قابل‌توجهي در برابر روش‌هاي متداول تشخيص ايجاد كرده است. پژوهش حاضر با هدف پاسخ‌گويي به اين چالش، چارچوبي قابل اعتماد و تفسيرپذير مبتني بر يادگيري ماشين را براي تشخيص زودهنگام بيماري پاركينسون بر اساس ويژگي‌هاي استخراج شده از سيگنال‌هاي صوتي ارائه مي‌دهد. چارچوب پيشنهادي با تركيب الگوريتم جنگل تصادفي، شبكه‌هاي عصبي عميق و يك فرا-طبقه‌بند رگرسيون لجستيك در قالب يادگيري جمعي انباشتي، ضمن بهره‌گيري از توان مكمل هر يادگيرنده، دقت و قابليت تعميم‌پذيري مدل را به‌طور محسوسي افزايش مي‌دهد.
فرايند مهندسي ويژگي‌ها شامل تحليل‌هاي آماري، استفاده از تكنيك SMOTE جهت متعادل‌سازي كلاس‌ها، و بهره‌گيري از الگوريتم‌هاي SHAP و جنگل تصادفي براي استخراج ويژگي‌هاي با اهميت بالا انجام شده است. در اين راستا يك سيستم منطق فازي، اين ويژگي‌ها را بر اساس ميزان اهميت باليني به سه سطح جداگانه طبقه‌بندي مي‌كند. در نهايت، 9 ويژگي منتخب حاصل از اين فرايند نه‌تنها از نظر آماري معنادار بودند، بلكه در راستاي دانش باليني نيز قابل‌تفسير هستند. اين ويژگي‌ها، كه عمدتاً به جنبه‌هاي خاصي از گفتار بيماران مربوط هستند، به پزشكان كمك مي‌كنند تا درك عميق‌تري از وضعيت بيمار به‌دست آورند، روند بيماري را پايش كنند و تصميمات درماني دقيق‌تري اتخاذ نمايند.
مدل پيشنهادي بر روي 20 تقسيم‌بندي تصادفي ارزيابي شد و نتايج عملكرد آن به‌ترتيب براي معيارهاي ،AUC دقت، صحت، حساسيت و امتياز F1 برابر با 98٪، 95٫8٪، 96٪، 99٫1٪ و 97٫4٪ به‌دست آمده است. اين مقادير نشان‌دهنده عملكرد برتر مدل نسبت به دسته‌بندهاي متداول و هم‌ترازي آن با روش‌هاي پيشرفته مدرن هستند. علاوه بر اين، تفسيرپذيري بالا و كارايي محاسباتي مطلوب مدل، مي‌تواند آن را به ابزاري بالقوه و عملياتي در محيط‌هاي باليني براي غربالگري و پايش بيماران در مراحل اوليه بيماري تبديل كند.
شماره ركورد
236997
گرايش رشته تحصيلي
كنترل
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان