کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
6873482 685917 2017 24 صفحه PDF 34 صفحه WORD دانلود رایگان
عنوان انگلیسی مقاله ISI
Cloud based framework for Parkinson's disease diagnosis and monitoring system for remote healthcare applications
ترجمه فارسی عنوان
چارچوب مبتنی بر رایانش ابری برای سیستم تشخیص و نظارت بیماری پارکینسون برای برنامه های بهداشتی از راه دور
خدمات تولید محتوا

این مقاله ISI می تواند منبع ارزشمندی برای تولید محتوا باشد.

  • تولید محتوا برای سایت و وبلاگ
  • تولید محتوا برای کتاب
  • تولید محتوا برای نشریات و روزنامه ها
  • و...

پایگاه «دانشیاری» آمادگی دارد با همکاری مجموعه «شهر محتوا» با استفاده از این مقاله علمی، برای شما به زبان فارسی، تولید محتوا نماید.

تولید محتوا
با 10 درصد تخفیف ویژه دانشیاری
کلمات کلیدی
تشخیص بیماری پارکینسون، گرفتگی صدا، رایانش ابری، طبقه بندی کننده های ML
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1. مقدمه

1-1 بیماری پارکینسون

2-1 تشخیص برپایه گرفتگی صدا در بیماران پارکینسونی

3-1 رایانش ابری

شکل 1. نمای سلسله مراتبی از رایانش ابری

4-1 رایانش ابری در نظام سلامت

5-1 رایانش ابری در تشخیص بیماری پارکینسون

2. چارچوب تشخیص بیماری پارکینسون مبتنی بر رایانش ابری ارائه شده

2-1 تشخیص بیماری پارکینسون با استفاده از چارچوب ابری

شکل 2. چارچوب ابرای برای تشخیص بیماری پارکینسون

شکل 3.  نمودار بلوکی از روند تشخیص بیماری پارکینسون با استفاده از سیستم ابری

2-2 تشریح و توصیف چارچوب

شکل 4 بیانگر روند مرحله به مرحله را با شماره های منطبق برای فعالیت های ارائه شده در جدول 1 نشان می دهد.

شکل 4. روند تشخیص بیماری پارکینسون

3-2 گروه بیماران

4-2 ویژگی ها

5-2 بررسی کلی طبقه بندی کننده

1-5-2 شبکه عصبی مصنوعی مبتنی بر پیش خور و پس انتشار (FBANN)

شکل 4. ساختار شبکه عصبی بر پایه پیش خور و پس انتشار

2-5-2 درخت تصادفی

3-5-2 ماشین بردار پشتیبانی

6-2 اعتبارسنجی داده ها و اندازه گیری عملکرد

جدول 2. ماتریکس درهم ریختگی برای تشخیص بیماری پارکینسون

3. نتایج تجربی

شکل 6. مقایسه معیارهای عملکرد (دقت، حساسیت و ویژگی) طبقه بندی کننده ها

شکل 7. نوسانات دقت، حساسیت و اختصاصی بودن با تغییر در تعداد واحدهای پنهان در لایه پنهان FABNN (نورن پنهان و برون ده از سیگموئید tan به عنوان تابع فعال سازی استفاده می کنند).

شکل 8. نوسانات MSE با تغییر نورون های پنهان در لایه پنهان (نورون پنهان و بورن ده از tansing به عنوان تابع فعال سازی استفاده می کنند).

شکل 9. میزان TPR در مقایسه با FPR شبکه FBANN با تعداد بهینه نورن در لایه پنهان و تابع فعال-سازی tan-sigmoid مورد استفاده در لایه پنهان

شکل 10. دقت کلی، حساسیت و اختصاصی بودن طبقه بندی کننده FBANN (با روش scaled conjugate gradient برای به روز رسانی وزن ها و خطاها و تابع log-sigmoid در لایه برون ده)

شکل 11. میزان MSE کلی و آموزشی طبقه بندی کننده FBANN با استفاده از میزان بهینه نورون های مخفی در لایه پنهان

شکل 12. دقت کلی، حساسیت و اختصاصی بودن طبقه بندی کننده FBANN با استفاده از میزان بهینه نورون های مخفی در لایه پنهان

شکل 13. دقت کلی، حساسیت و ویژگی بدست آمده از FBANN پس از آزمون t با تمامی ویژگی ها

شکل 14. مقایسه MSE کلی با استفاده از تمامی ویژگی ها با و بدون آزمون t در طی طبقه بندی با شکبه FBANN

شکل 15. پلات ROC تشخیص بیماران پارکینسونی و افراد سالم با استفاده از تقسیم کننده FBANN با آزمون t و تمامی ویژگی ها

شکل 16. مقایسه عملکرد (از نظر دقت) بین تعداد مختلف سرور در سیستم ابری و سیستم محلی با یک سرور

4. بحث و جهت گیری مطالعات آینده

5. نتیجه گیری

نکات برجسته (برای مرور)

 
ترجمه چکیده
پردازش سیگنال های گفتار و سیستم شناسایی آن در سال های اخیر به دنبال کاربردهای گسترده آن توجه ویژه ای را به خود جلب کرده است. در این مقاله، رویکرد جدید برای تشخیص و نظارت بر بیماری پارکینسون (PD) که دومین بیماری شایع نورولوژیکی در جهان است، ارائه شده است. پارکینسون یک بیمار تحلیل برنده عصبی (نورودژنراتیو) است که منجر به اختلال در حفظ تعادل، مهارت های حرکتی، گفتار و سایر خصوصیات فرد نظیر فرایند تصمیم گیری، احساسات و حواس بیمار می شود. در این مقاله، چارچوب مبتنی بر رایانش ابری برای تشخیص و ارزیابی بیماران پارکینسون ارائه شده است که می تواند برای مراکز پزشکی و بهداشتی با منابع مالی محدود مورد استفاده قرار بگیرد. در کشورهای در حال توسعه، بیشتر مردم خدمات پزشکی و بهداشتی مناسبی را دریافت نمی کنند و نسبت به بیماری پارکینسون نیز آگاهی مناسبی را ندارند، و در نتیجه تشخیص و مراجعه به مراکز درمانی به دلیل بیماری پارکینسون نیز به صورت مناسب صورت نمی گیرد. با توجه به این موارد سیستم پیشنهادی می تواند کاربردی و عملی باشد. در این سیستم، بیماران مناطق روستایی، بیماران از مناطقی که پزشک مقیم ندارند می توانند در صورت دسترسی به اینترنت از طریق تلفن های هوشمند با پزشک ارتباط برقرار کنند. پزشکان می توانند بیماران پارکینسونی را از طریق بررسی اختلالات گفتار و یا گرفتگی صدا از طریق رایانش ابری معاینه و تشخیص دهند. با استفاده از این سیستم، بیمار پارکینسونی می تواند به راحتی با ارائه نمونه صوت خود از طریق تلفن همراه، صرف از موقعیت مکانی ردیابی و تشخیص داده شود. در بررسی های صورت گرفته، کارآمدی سیستم پیشنهادی برای تشخیص بیماری پارکینسون در محیط رایانش ابری برابر با 6/96% بود. انتظار می رود که چارچوب پیشنهادی توانایی بالقوه ای برای ارائه خدمات پزشکی به بیماران پارکینسونی که در نواحی دور افتاده کشورهای در حال توسعه ساکن هستند داشته باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Speech signal processing and its recognition system have gained a lot of attention from last few years due to its widespread application. In this paper, a novel approach is proposed for diagnosis and monitoring the Parkinson's Disease (PD) which is the second most severe neurological disease in the world. PD is a neurodegenerative disease which impairs person's balance, motor skills, speech, and other characteristics such as decision making process, emotions, and sensation. Here, we proposed a cloud based framework for detecting and monitoring Parkinson patients that will enable healthcare service in low resource setting. In the developing countries, where most of the people do not get proper healthcare services and are not well aware of Parkinson's disease, let alone detecting and getting healthcare for PD, this system can be very practical and useful. For this system, the patients of rural areas, patients from the regions where doctors are not available, can communicate to the doctors only if they have internet connections in their smart phones to access the cloud. Doctors can check and detect patient's PD by checking their voice disorders or Dysphonia over cloud. With this system, a PD patient can be easily detected and diagnosed by giving their voice samples through their phones, regardless of their location. Based on the evaluation, our proposed systems are avail to achieve 96.6% accuracy in the cloud environment for detecting PD. It is expected that the proposed framework will have great potential to enable healthcare service for PD patients, who live in remote areas, especially in developing countries.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 66, January 2017, Pages 36-47
نویسندگان
, , , ,