هاجر نیک اندیش - فارغ التحصیل کارشناسی ارشد، گروه کامپیوتر - موسسه آموزش عالی سلمان مشهد- ایران
اسماعیل خیرخواه - استادیار و مدیر کل مرکز فناوری اطلاعات و ارتباطات دانشگاه آزاد اسلامی واحد مشهد - ایران

پارکینسون بیماری اختلال حرکتی مزمن و همیشه در حال پیشرفت می باشد و تشخیص این بیماری به خصوص در مراحل اولیه اغلب دشوار است. در این مقاله، ویژگی های حرکتی افراد در استفاده از کامپیوتر با کمک نرم افزار Fitts Law استخراج شده و با نگاشت شبکه عصبی پس انتشار خطا به علایم بیماری پارکیسون تبدیل شده است. سپس از چهار طبقه بند درخت تصمیم 4.5c، ماشین بردار پشتیبان، شبکه بیزین و k نزدیک ترین همسایه برای پشتیبانی از متخصصین جهت تشخیص این بیماری استفاده شده است. روش ارایه شده صحت طبقه بندی قابل قبولی را از طریق آنالیز روش K-fold CV با بالاترین صحت 94.44% و میانگین 85.53% بعد از نگاشت شبکه عصبی پس انتشار خطا به کمک طبقه بند درخت تصمیم 4.5c در طی 5 بار اجرای فرایند fold CV-5 بدست آورده است. هدف این مقاله ارایه روشی ساده و کم هزینه می باشد. آزمایش های انجام شده بهبود تشخیص بیماری پارکینسون را در روش ارایه شده نشان می دهد.

تشخیص بیماری پارکینسون، درخت تصمیم 4.5 c، شبکه عصبی پس انتشار، ماشین بردار پشتیبان، k نزدیک ترین همسایه، درخت تصمیم 4.5c، شبکه بیزین