مقاله انگلیسی توصیف شخصیت و طبقه بندی بیماران مبتلا به بیماری پارکینسون
ترجمه نشده

مقاله انگلیسی توصیف شخصیت و طبقه بندی بیماران مبتلا به بیماری پارکینسون

عنوان فارسی مقاله: توصیف شخصیت و طبقه بندی بیماران مبتلا به بیماری پارکینسون براساس تحلیل پویای نمادین تغییر پذیری ضربان قلب
عنوان انگلیسی مقاله: Characterization and classification of Parkinson’s disease patients based on symbolic dynamics analysis of heart rate variability
مجله/کنفرانس: کنترل و پردازش سیگنال مهندسی پزشکی - Biomedical Signal Processing and Control
رشته های تحصیلی مرتبط: پزشکی، مهندسی پزشکی
گرایش های تحصیلی مرتبط: مغز و اعصاب، مهندسی پزشکی بالینی
کلمات کلیدی فارسی: آنتروپی، HRV، پارکینسون، پویایی نمادین، SVM
کلمات کلیدی انگلیسی: Entropy, HRV, Parkinson, Symbolic dynamics, SVM
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.bspc.2021.103064
دانشگاه: ـ
صفحات مقاله انگلیسی: 11
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2022
ایمپکت فاکتور: 3.880 درسال 2020
شاخص H_index: 72 درسال 2020
شاخص SJR: 0.767 درسال 2020
شناسه ISSN: 1746-8094
شاخص Quartile (چارک): Q2 درسال 2020
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: E15585
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (انگلیسی)

Abstract
Keywords
Introduction
Materials and methods
Results
Discussion
Conclusion
CRediT authorship contribution statement
Declaration of Competing Interest
Acknowledgments
References

بخشی از مقاله (انگلیسی)

ABSTRACT
Background: Parkinson’s disease (PD) is a chronic and progressive neurodegenerative disorder characterized by deterioration of the substantia nigra, resulting in a deficiency of dopamine. PD is considered a movement disorder associated with numerous non-motor symptoms related to Autonomic Nervous System failures which can precede the motor ones. Therefore, their awareness could be helpful in the diagnosis of PD at an early stage. Methods: Heart Rate Variability (HRV) is assessed by time and frequency domain indices, and by nonlinear indices based on symbolic dynamics and multiscale symbolic entropy. The features obtained were used to classify between PD patients and control volunteers using a support vector machine. Volunteers performed cardiovascular autonomic reflex tests: active standing, post- hyperventilation and controlled breathing. Results: Temporal and frequency indices showed significantly lower values in PD patients compared to control volunteers. Symbolic dynamics and multiscale symbolic entropy results suggest a decrease in the complexity of the HRV signal in PD patients, in contrast with a more variable pattern of words for control volunteers. During controlled breathing differences between groups were found with most of the indices computed. Additionally, classification process achieves good separability during cardiorespiratory maneuvers (>95% of accuracy) and features based on symbolic dynamics showed high discrimination between groups. Conclusions: The results found in this work suggest that the proposed methodological approach can classify PD patients in an early disease stage from healthy controls and give additional information about the cardiorespiratory system, which could be useful for diagnosis and follow up of PD patients.