نقش بی نظیر شبکه های هوشمند عصبی در تشخیص بیماری های عصبی و عضلانی

چکیده مقاله

هدف از این مطالعه، طبقه بندی بیماری های عصبی عضلانی میوپاتی و نوروپاتی با استفاده از شبکه های عصبی مصنوعی است ضرایب سیگنال های الکتریکی تولید شده EMG با اعمال تبدیل سریع فوریه FFT ،خودرگرسیون AR و روش های تحلیل طیفی کپسترال به دست آمدند هر یک از این ضرایب به عنوان داده ورودی برای پرسپترون چندلایه MLP ، تابع پایه شعاعی RBF و ماشین بردار پشتیبان SVM استفاده شد پس از آموزش جداگانه این ورودی ها در سیستم های طبقه بندی پرسپترون چندلایه، تابع پایه شعاعی و ماشین بردار پشتیبان، عملکرد طبقه بندی و تست آن ها بررسی شد نتایج نشان داد سیستم طبقه بندی ماشین بردار پشتیبان، بالاترین پیش بینی و روش تحلیل تبدیل سریع فوریه، بهترین تشخیص را داشته اند همچنین نتایج نشان داد که ترکیب تبدیل سریع فوریه با توپولوژی ماشین بردار پشتیبان، مساحت زیر منحنی مشخصه عملکرد سیستم را برابر با ۰/۹۵۳ فراهم کرده است که محدوده قابل قبولی است

کلیدواژه‌ها

نویسندگان

نازنین خدادادی

گروه مهندسی پزشکی، موسسه آموزش عالی آفرینش علم گستر، ایران، لرستان، بروجرد

امین الهیاری

عضو هیات علمی گروه مهندسی برق، موسسه آموزش عالی آفرینش علم گستر، ایران، لرستان، بروجرد

�دادادی، نازنین و الهیاری، امین،1403،نقش بی نظیر شبکه های هوشمند عصبی در تشخیص بیماری های عصبی و عضلانی،سومین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی،همدان

ارائه‌شده در

مجموعه مقالات سومین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی3 شهریور 1403 · همدان