تشخیص بیماری پارکینسون با روش سونوگرافی ترانس کرانیال

(TCS) سونوگرافی ترانس کرانیال یک ابزار تصویربرداری عصبی و نوعی *سونوگرافی داپلر * معتبر  است(PD) برای تشخیص بیماری پارکینسون

درTCS (CAD)تشخیص به کمک کامپیوتر مبتنی بر در سال‌های اخیر توجه فزاینده‌ای را به خود جلب کرده است، که در آن نمایش ویژگی و طبقه‌بندی الگو دو موضوع حیاتی هستند

(DPN) شبکه چند جمله ای عمیق یک الگوریتم یادگیری عمیق است که به تازگی پیشنهاد شده است که مزیت خود را در یادگیری نمایش ویژگی موثر برای نمونه هایی با اندازه کوچک نشان داده است.

DPN در این کار، یک الگوریتم بهبود یافته با عملکرد بهبود یافته در هر دونمایش ویژگی و طبقه‌بندی پیشنهاد شده است.

ابتدا، الگوریتم نگاشت هسته تجربی تعبیه شده است تا نمایش ویژگی آن را بهبود ببخشد.

EKM-DPNدوم، استراتژی هرس شبکه در

استفاده می شود.

این نه تنها نمایش ویژگی های قوی را ایجاد می کند، بلکه تا حدودی به مسائل بیش از حد برازش طبقه بندی کننده های بعدی نیز می پردازد.

dropout در نهایت توانایی تعمیم با استفاده از رویکرد

P-EKM-DPNبه

بیشتر می شود.

D-P-EKM-DPN الگوریتم پیشنهادی

با 153TCS برروی یک مجموعه داده

نمونه ارزیابی شده است. نتایج تجربی نشان می دهد که  D-P-EKM-DPN

از همه الگوریتم های مقایسه شده بهتر عمل می کند و بهترین دقت طبقه بندی و حساسیت و ویژگی را به ترتیب برابر با

15/3±95/86،87/7±77/85% و 0/6±16/87% به دست می‌آورد.

الگوریتم پیشنهادی به دلیل عملکرد عالی ، پتانسیل بالایی در CAD

TSC مبتنی بر

داردPD  برای

Shen, L., Shi, J., Dong, Y. et al. An Improved Deep Polynomial Network Algorithm for Transcranial Sonography–Based Diagnosis of Parkinson’s Disease. Cogn Comput 12, 553–562 (2020). https://doi.org/10.1007/s12559-019-09691-7Sent from my iPhone