تشخیص بیماری پارکینسون با استفاده از سیگنال های صوتی در پایتون

سایت خانه پروژه یکی از بزرگترین سایتهای فروش فایل و پروژه در کشور است که با قرار دادن هزاران پروژه در حوزه ها و رشته های مختلف به مرجعی برای دانشجویان و شرکت های تجاری برای دریافت پروژه های آماده تبدیل شده است.در زیر پروژه ای آماده با موضوع“تشخیص بیماری پارکینسون با استفاده از سیگنال های صوتی در پایتون”برای شما عزیزان قرار داده شده که توضیحات آن را در ادامه میتوانید مشاهده نمایید.

پایتون:

زبان برنامه نویسی پایتون» (Python Programming Language)، زبانی با یادگیری آسان محسوب می‌شود. و از همین رو بسیاری از برنامه‌نویس‌های تازه‌کار آن را به عنوان اولین زبان برنامه‌نویسی خود برمی‌گزینند. زیرا پایتون به عنوان یک «زبان همه‌منظوره» (General-Purpose Language) ساخته و توسعه داده شده و محدود به توسعه نوع خاصی از نرم‌افزارها نیست. همچنین، پایتون در میان جوامع علمی از محبوبیت فوق‌العاده‌ای برخوردار است. زیرا از آن برای محاسبه معادلات پیچیده و تحلیل‌های داده استفاده می‌شود.

با رشد علم داده، محبوبیت زبان برنامه نویسی پایتون به عنوان یک زبان علمی اوج گرفت. کتابخانه‌های «یادگیری ماشین» (Machine Learning) بسیار زیادی به زبان برنامه نویسی پایتون نوشته شده‌اند. در عین حال، ابزارهای زیادی نیز با فراهم آوردن امکان استفاده از زبان برنامه نویسی پایتون، انجام پروژه‌های یادگیری ماشین را آسان‌تر می‌سازند.

توضیحات پروژه :

عنوان : تشخیص بیماری پارکینسون با استفاده از سیگنال های صوتی در پایتون

این پروژه یک پروژه آماده با موضوع،تشخیص بیماری پارکینسون با استفاده از سیگنال های صوتی در پایتون است.

چکیده
این مطالعه سیگنال‌های حاصل از آواسازی پایدار و روش‌های گفتاری وابسته به متن را برای غربالگری بیماری پارکینسون بررسی می‌کند. آواسازی مربوط است به وظیفه تولید صدا و گفتار با تلفظ یک جمله کوتاه در زبان لیتوانیایی. سیگنال ها به وسیله دو کانال به طور همزمان، یعنی میکروفون های آکوستیک کاردیوئید (AC) و تلفن های هوشمند (SP) ضبط شدند. وجوه اضافی با تقسیم ضبط گفتار به بخش‌های صدادار و بدون صدا به‌دست آمدند. اطلاعات در هر وجه توسط 18 مجموعه ویژگی های صوتی شناخته شده خلاصه می شود. جنگل تصادفی (RF) به عنوان یک الگوریتم یادگیری ماشین، هم برای مجموعه ویژگی های فردی و هم برای ادغام در سطح تصمیم استفاده می شود. عملکرد تشخیص با نرخ خطای برابر خارج از کیسه (EER) و هزینه نسبت وقوع لاگ اندازه گیری می شود. مجموعه ویژگی های صوتی Essentia با استفاده از مدالیته گفتار AC بهترین و مجموعه ویژگی های صوتی YAAFE با استفاده از حالت بدون صدا SP بهترین بودند و به ترتیب EER 20.30٪ و 25.57٪ را به دست آوردند. ادغام همه مجموعه‌ها و روش‌ها منجر به EER 19.27٪ برای AC و 23.00٪ برای کانال SP شد. طرح ریزی غیر خطی یک ماتریس مجاورت مبتنی بر RF در فضای دوبعدی، با مصورسازی به پشتیبانی تصمیم پزشکی کمک می کند.

فهرست مطالب
عنوان
تعریف مساله
مجموعه داده ها
اطلاعات ویژگی ها
استانداردسازی داده ها
برخورد با کلاس های نامتوازن
برخورد با نحسی ابعاد
تحلیل مولفه اصلی (PCA)
تحلیل مولفه مستقل (ICA)
متدولوژی و الگوریتم ها
طبقه بندی ماشین بردار
جنگل تصادفی
KNN
رگرسیون لجستیک
نتایج
پیوست
کد جوپیتر نوت بوک

تعریف مساله
در سال های اخیر، پژوهش های زیادی بر تشخیص زودهنگام بیماری پارکینسون متمرکز شده است. بیماری پارکینسون به گروهی از مشکلات نورولوژیکی تعلق دارد که فورا سلول های مغز را تحت تاثیر قرار می دهد و حرکت، شنوایی، و بسیاری از وظایف شناختی را با اختلال مواجه می کند. با توجه به سرعت پیشرفت این بیماری، تشخیص زودهنگام بیماری پارکینسون بر حسب پیشرفت بیماری و فرآیند درمان ضروری است. هوش مصنوعی و خصوصا یادگیری ماشین و یادگیری عمیق، در این زمینه به کمک پزشکی آمده است. الگوریتم مختلف طبقه بندی برای شناسایی بیماران پارکینسونی با موفقیت به کار گرفته شده اند. در این پروژه، طبقه بندی بیماران پارکینسونی با استفاده از الگوریتم های طبقه بندی انجام می شود.

مجموعه داده ها
مجموعه داده های مورد استفاده، مجموعه داده های بیماران پارکینسونی است که از مخزن یادگیری ماشین UCI دانلود شده است. این مجموعه داده شامل ویژگی های صوتی 188 بیمار پارکینسونی(شامل 107 مرد و 81 زن) از سن 33 تا 87 سال است. این داده ها از دانشکده نرولوژی دانشگاه استانبول جمع آوری شده اند. گروه کنترل شامل 64 فرد سالم (شامل 23 مرد و 41 زن) از سن 41 تا 82 سال است. در طی فرآِیند جمع آوری داده ها، میکروفون روی 44.1 هرتز تنظیم شده است و پس از معاینه پزشکی، آواسازی پایدار حرف صدا دار “آ” از هر سوژه با سه تکرار جمع آوری شده است. این مجموعه داده دو کلاسه است، و مانند بسیاری از مجموعه داده های پزشکی نامتوازن است و تعداد کلاس های بیمار / سالم آن برابر نیست. بنابراین باید از روش های مختلف در بررسی مجموعه داده های نامتوازن بهره برد.

جهت دانلود صورت پروژه بر روی لینک زیر کلیک کنید:

PROJECT_AL_1400

نحوه خرید و دانلود فایلهای پروژه :

جهت دانلود فایل های این پروژه ابتدا آن را از طریق لینک خرید به سبد خرید خود اضافه کنید و بعداز آن به سبد خرید رفته و مراحل پرداخت هزینه را تکمیل نمایید.

به محض واریز هزینه پروژه“تشخیص بیماری پارکینسون با استفاده از سیگنال های صوتی در پایتون”لینک دانلود پروژه به شما نمایش داده می شود.

فایل های پروژه بصورت 100% تست شده و تمامی فایلها سالم می باشند.

سفارش پروژه مشابه :

اگر این پروژه نیازهای شما را برطرف نمی کنید میتوانید به صفحه انجام پروژه پایتون مراجعه نموده و از طریق راه های گفته شده توضیحات پروژه خود را برای ما ارسال نمایید.

مشاهده و خرید پروژه های مشابه :

در سایت خانه پروژه می توانید پروژه های مشابه زیادی را مشاهده و درصورتی که با نیازتان همخوانی داشت آن را خریداری و دانلود نمایید.جهت مشاهده این پروژه ها به صفحه پروژه های آماده پایتون مراجعه نمایید.