تشخیص، پیشبینی و مرحلهبندی هوشمند بیماری آلزایمر از روی دستخط
نام عام مواد
[پایاننامه]
نام نخستين پديدآور
/سجاد صابر
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی برق
تاریخ نشرو بخش و غیره
، ۱۳۹۴
مشخصات ظاهری
نام خاص و کميت اثر
۱۰۶ ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
کتابنامه در آخر پایان نامه
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی برق
زمان اعطا مدرک
۱۳۹۴/۱۱/۰۰
کسي که مدرک را اعطا کرده
صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
با توجه به افزایش چشمگیر بیماری آلزایمری، تشخیص افراد دارای اختلال شناختی خفیف که یک مرحله گذرا بین پیری طبیعی مغز و زوال عقل میباشد، جهت کاهش خطر ابتلا به بیماری آلزایمر، در سالهای اخیر مورد توجه بسیاری از محققین قرار گرفته است .همچنین تشخیص دقیق مرحله بیماری آلزایمر کمک شایانی در به تاخیر انداختن پیشرفت این بیماری میکند .به دلیل دسترسی محدود و هزینه بالای روشهای تشخیص دقیق این بیماری، استفاده از روشی بهینه و با دقت بالا جهت تشخیص افراد دارای اختلال شناختی خفیف و بیماران آلزایمری ضروری به نظر میرسد . در این تحقیق روشی بهینه، دقیق و با دسترسی راحت ارائه شده است .این الگوریتم بر پایه استفاده از سیگنالهای دستخط، جهت تشخیص و مرحلهبندی بیماری آلزایمر بنا نهاده شده است .بدین منظور، مختصات مکانی و فشار حرکتهای دستخط چهار الگوی مختلف نوشتن، در دو حالت نوشتن ساده و نوشتن همراه با شمارش معکوس توسط تبلت نمونهبرداری شده است .سپس ویژگیهای حرکتی این سیگنالها در حوزه زمان و حوزه فرکانس، جهت تحلیل کلی دستخط و تحلیل حرکتهای رو به بالا و پایین به صورت مستقل، استخراج شده است .به منظور کاهش ابعاد ویژگیهای تحلیل کلی دستخط، از روش آنالیز مولفه اصلی (PCA) استفاده شده است .برای دستیابی به سه هدف اصلی این پژوهش که عبارتند از تشخیص، پیشبینی و مرحلهبندی بیماری آلزایمر، از سه طبقهبندPNN ، KNN و SVM در هر مرحله استفاده شده است .در نهایت الگوریتم پیشنهادی، روی ۱۵ فرد سالم و بیماران انجمن آلزایمر ایران متشکل از ۱۳ فرد دارای اختلال شناختی خفیف، ۱۵ بیمار آلزایمر خفیف و ۱۲ بیمار آلزایمر ملایم مورد ارزیابی قرار گرفته است .در مرحله تشخیص، متوسط دقت ۹۶ درصدی، در مرحله پیشبینی، متوسط دقت ۹۶/۵۲ درصدی و در قسمت مرحلهبندی، متوسط دقت ۸۹/۵ درصدی به دست آمد .نتایج به دست آمده با استفاده از ویژگیهای استخراج شده، آنالیز مولفه اصلی و استفاده از طبقهبندهای مختلف، بیانگر مناسب بودن الگوریتم پیشنهادی جهت تشخیص، پیشبینی و مرحلهبندی بیماری آلزایمر است
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
طبقه بندی کنند
موضوع مستند نشده
آنالیز حرکت شناسی دستخط
موضوع مستند نشده
اختلال حرکتی
موضوع مستند نشده
بیماری آلزایمر
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
صابر، سجاد
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
عباسی، عطااله، استاد راهنما
مستند نام اشخاص تاييد نشده
سرباز، یاشار، استاد مشاور
مستند نام اشخاص تاييد نشده
محمدیان رسنانی، استاد مشاور
مبدا اصلی
کشور
ایران
تاريخ عمليات
20230808
شماره دستیابی
شماره بازیابی
برق،۱۰۳۲۷،۱۳۹۴
دسترسی و محل الکترونیکی
نام ميزبان
صیخشت، طختسد یور زا رمیازلآ یرامیب دنمشوه یدنبهلحرم و ینیبشیپ.pdf