هدف ما تشخیص بیماری پارکینسون بصورت اتوماتیک توسط تجزیه و تحلیل دست نویسه ها

 بیماری پارکینسون با مشکلات حرکتی برای بیماران همراه می باشد که موجب عدم توانایی کارکردن و دیگر پیامد ها می باشد. در این مقاله سعی شده تصاویر مربوط به دست نویسی اشخاصی که تست پارکینسون داده اند به صورت اتوماتیک توسط نرم افزار متلب بررسی شود و بیمارها و غیر بیمار ها با متد های پردازش ماشین و یادگیری ماشین تفکیک شوند

برنامه ی متلب  تشخیص بیماری پارکینسون شامل دو قسمت است: ستخراج ویژگی ها و کلاس بندی. در بخش استخراج ویژگی تصاویر دست خط بیماران وارد میشوند. و دست خط و خط چاپی از هم جدا شده و سپس با هم مقایسه میشوند تا ویژگی های مربوط به آن به دست آید. برای مشخص کردن نقاط متناظر روی دست خط و خط چاپی از پروفایل زاویه ای پیکسل های تصویر استفاده شده است.

سپس ویژگی ها با همان ترتیبی که در مقاله ذکر شده اند تولید میشوند و در مرحله ی بعد توسط دو کلاس بند بردار کمکی ماشین و ناییو بایس کلاس بندی میشوند. برای کلاس بندی طبق پیشنهاد مقاله از نود درصد داده ها برای آموزش و از ده درصد برای تست دسته بندی استفاده کرده ایم. در نهایت ماتریس اختلاط دسته بندی محاسبه می شود.

در این شبیه سازی ما دو دسته داده در دو فولدر جدا گانه داشتیم.  ۲۹۶ عکس مربوط به گروه بیمار که چون هر شخص ۴ تصویر تحویل میدهد ( برخی هم ۳ تصویر تحویل داده بودند) در واقع داده ها به ۷۴ نفر می باشد, و ۷۲ عکس دیگر برای افراد سالم که مربوط به ۱۸ نفر می باشد.  این تصاویر را مورد پردازش قرار دادیم و در مرحله ی اول دست نویس از خط چاپی جدا شد و اسکلت هر یک استخراج شد.

 تشخیص بیماری پارکینسون بصورت اتوماتیک توسط تجزیه و تحلیل دست نویسه ها

A Step towards the Automated Diagnosis of Parkinson’s disease

Analyzing Handwriting Movements

Published in:  IEEE 28th International Symposium on Computer-Based Medical Systems

Date of Publication: 2015

برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناسی ارشد مهندسی پرشکی

دانشگاه تهران

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• ضمیمه کردن گزارش فارسی و نتایج
• دیتابیس و توضیح کلی کد

دانلود فایل