شماره کتابشناسی ملی
شماره
۲۲۴۵۷پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
طراحی و پیاده سازی سیستم تشخیص انجماد راه رفتن در بیماران پارکینسون
عنوان اصلي به زبان ديگر
Design and Implementation of Diagnosis Systems for Freezing of Gait in Parkinson's Disease Patients
نام نخستين پديدآور
/کامران نادری بنی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی برق و کامپیوتر
تاریخ نشرو بخش و غیره
، ۱۳۹۸
نام توليد کننده
، افشاری
مشخصات ظاهری
نام خاص و کميت اثر
۶۱ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی مکاترونیک
زمان اعطا مدرک
۱۳۹۸/۰۵/۰۶
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در تحقیقات تشخیص انجماد راه رفتن، پیش‌بینی وقوع عارضه FoG قبل و حتی درست چند لحظه بعد یکی از موضوعات چالش برانگیز است .نتایج حاصل از این تحقیق را می‌توان در زمینه تشخیص و پیش‌بینی هرچه بهتر FoG مورد استفاده قرار داد .هدف این پایان نامه پیش‌بینی بلادرنگ FoG با دقت بیش‌تر نسبت به مطالعات انجام شده، می‌باشد .در این پایان‌نامه به کمک شبکه‌های عصبی عارضه FoG قبل و درست چند لحظه بعد از وقوع پیش‌بینی شد .برای این منظور سیگنال‌ها به چهار دستهFoG، قبل ازFoG ، بعد از FoG و راه‌رفتن تقسیم شدند .هرچند ما در این مطالعه به منظور طبقه‌بندی تنها از گروه قبل از FoG و راه‌رفتن استفاده کردیم .به طور کلی بهترین دقت، حساسیت و ویژگی سیگنال قلب(ECG) که بر روی بیمار شماره شش به روش طبقه‌بند KNN آزمایش شد به ترتیب مقادیر برابر با ۷۰ ، ۴۵ و ۷۳ بدست آمد .همچنین بهترین دقت، حساسیت و ویژگی سیگنال رسانایی پوست (SC) در بیمار شماره شش در روش KNN به ترتیب برابر با۸۷ ، ۶۷ و ۹۱ بدست آمد .همچنین از ۳۷ عارضه FoG با کمک تحلیل سیگنال SC در بیمار شماره شش ۲۵ عارضه FoG به درستی تشخیص داده شد .البته این سیستم ۶۴ مرتبه به طور اشتباه FoG را تشخیص داد .این مقدار کاملا قابل توجه بوده اگرچه این مقدار می‌تواند با تحلیل سیگنال‌های راه‌رفتن بیماران به حداقل برسد
متن يادداشت
In the research area of diagnosing freezing of gait, prediction of FOG happening before and even right after Freezing of Gait (FoG) is among the most challenging problems Therefore, the findings of this research can be used in better diagnosing and predicting of FOG. The purpose of the current project is to well predict the FOG, better than the research that have been conducted before. In this study, the FOG incident successfully predicted before and right after happening, using neural networks. In order to reach this purpose, the signals were categorized into four different groups of three seconds before FOG, three seconds after FOG, during FoG and walking, but we considered three seconds before FOG and walking to classify. In general, the best of accuracy, sensitivity and specificity of EGG signals after measuring via KNN method of categorization, were 70, 45 and 73, respectively. For SC signals, the best of accuracy, sensitivity and specificity using KNN method were 87, 91 and 67, respectively. In addition, among 37 incidents of FOG in patient number six, 25 incidents were well predicted. However, FOG incidents were predicted incorrectly 64 times, although this number is tottaly significant number, but this number can be reduced by analyzing walking signals of patients
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Design and Implementation of Diagnosis Systems for Freezing of Gait in Parkinson's Disease Patients
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
نادری بنی، کامران
مستند نام اشخاص تاييد نشده
Kamran, Naderi Beni
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
