تشخیص بیماری پارکینسون با استفاده از سیگنال صوت

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده فنی
  • نویسنده سارا اصغری
  • استاد راهنما نوشین ریاحی
  • سال انتشار 1393
چکیده

بیماری پارکینسون یک بیماری مخرب دستگاه عصبی است که در آن تخریب صوتی جزءاولین نشانه های بیماری پارکینسون است.هدف از این پروژه در مرحله اول ارائه رویکردی برای افزایش دقت تشخیص بیماری پارکینسون درسیستمهای مبتنی بر صدای بیمار میباشد. در مرحله دوم با عنایت به این موضوع که داده های صوتی افراد بیمار نسبت به افراد سالم کمتر در دسترس میباشد، راهکاری ترکیبی ارائه دادیم که در مواردی که دادههای آموزشی افراد بیمار به تعداد کافی در دسترس نیست از افت شدید دقت در تشخیص جلوگیری شود.در مرحله آخر تعیین میزان پیشرفت بیماری بر اساس ویژگی های سیگنال صوتی را مد نظر قرار داده و نشان داده ایم که با استفاده از صدای بیمار با دقت بالا می توان میزان پیشرفت بیماری را تعیین نمود.

منابع مشابه

انتخاب و مقایسة عملکرد ویژگی‌های بهینة استخراج‌شده از سیگنال گفتار برای تشخیص خودکار بیماری پارکینسون

در سال‌های اخیر، محققین تلاش‌های زیادی برای تشخیص بیماری پارکینسون از طریق یافتن ارتباط آن با سیگنال گفتار افراد انجام داده‌اند. همچنین پژوهش‌هایی در تعیین شدت بیماری و ارتباط آن با اختلالات صوتی انجام شده است. هدف این مقاله، ارزیابی و مقایسة توانایی دسته‌ ویژگی‌های مختلف استخراجی‌ از سیگنال گفتار، در تشخیص بیماری پارکینسون است. برای این منظور، 12 دسته ویژگی از سیگنال گفتار ارزیابی شده‌‌اند، تح...

متن کامل

تشخیص بیماری پارکینسون بر اساس تحلیل صوت افراد

در بیماری پارکینسون(pd) ، صوت سریعتر و بیش از دیگر زیرسیستمهای گفتار تحت تاثیر قرار می گیرد. هدف از این پژوهش بررسی معلولیت ناشی از اختلال صوت متعاقب پارکینسون در افراد فارسی زبان و یافتن پارامترهایی است که این معلولیت های صوتی را به خوبی نشان دهد با ثبت سیگنال صوتی ناشی از تلفظ واکه ها و سپس استخراج ویژگیهای مناسب از آنها، می توان اختلال در حرکت تارهای صوتی فرد مبتلا به پارکینسون را شناسایی کر...

15 صفحه اول

بررسی ارتباط کیفیت زندگی مرتبط با صوت (VHI) در افراد مبتلا به بیماری پارکینسون فارسی‌زبان

Objectives: “Voice” is affected more and sooner than other speech subsystems in Parkinson's Disease (PD). Voice Handicap Index (VHI) is the most applicable subjective self-rating questionnaire in VD patients. The aim of this study was the investigation of Voice handicap in Iranian PD patients. Methods & Materials: This cross-sectional, analytical and non-interventional study was ...

متن کامل

بررسی تشخیص بیماری دیابت بر اساس اطلاعات مستخرج از سیگنال ECG با استفاده از شبکه‌های عصبی مصنوعی

زمینه و هدف: بیماری دیابت یکی از شایع‌ترین بیماری‌های دنیا شناخته‌ شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم ‌تشخیص به‌موقع و صحیح آن می‌باشد. هدف این پژوهش ارائه روش جدیدی برای تشخیص بیماری دیابت است و قصد دارد برای اولین بار ارتباط تصاویر ECG با تشخیص بیماری دیابت به کمک شبکه عصبی مصنوعی و الگوریتم‌های داده‌ کاوی را بررسی کند. روش بررسی: در این مطالعه 8 بیمار دیابتی و 64 فرد سالم ح...

متن کامل

تشخیص ساختار وابستگی شبکه حرکتی مغز در دادگان fMRI حالت استراحت بیماری پارکینسون با استفاده از توابع مفصل

تغییرات عملکردی شبکه­ی حرکتی مغز در بیماری پارکینسون نقش اساسی در بروز علائم بالینی بر عهده دارد. بررسی فعّالیّت مغز انسان با استفاده­از دادگان تصویربرداری تشدید مغناطیسی عملکردی (fMRI) نشان می­دهد که در حالت استراحت شبکه­ای، ارتباط­ها و فعّالیّت نوسان­های خودبه­خودی در نواحی مختلف مغز وجود دارد که در بیماری­های مختلف تحت تأثیر قرار می­گیرند. درین تحقیق، تغییرات وابستگی عملکردی بین نواحی آ...

متن کامل

تشخیص زود هنگام بیماری als با استفاده از تحلیل فرکانسی سیگنال حرکتی راه رفتن

زمینه و هدف: als یک بیماری عصبی ماهیچه ای پیش رونده است که از مهم ترین مشخصات آن تخریب نورون های حرکتی در سیستم عصبی مرکزی و محیطی است. در حال حاضر هیچ روش کلینیکی دقیقی برای تشخیص این بیماری ارائه نشده است. در اغلب موارد افراد دارای als به دلیل اختلالات موجود در سیستم عصبی نمی توانند به صورت عادی راه بروند. به همین دلیل، یکی از روش های مفید برای تشخیص این بیماری از سایر بیماری های عصبی و یا تش...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده فنی

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023