_ فارس نوشت: جعفر آقازاده درباره طراحی دستگاه جدید برای تشخیص بیماری از روی دستخط افراد با استفاده از «Handwriting» پردازش و تفسیر سیگنال گفت:دست خط عملی است که مانند سایر اقدامات توسط مغز کنترل میشود.
مدرس دانشگاه در ادامه افزود: این فرآیند معمولاً ناخودآگاه است و با تکانههای مغز ارتباط نزدیک دارد. هر نوع بیماری بر حرکت جنبشی تأثیر میگذارد و در دست نوشته موضوع منعکس میشود، لذا برای درک سلامتی و مشکلات روحی، توجه به چگونگی نوشتن به جای نوشتن موضوع، مهم است. این امر همچنین فرآیند تحلیل دست خط را از هر زبانی مستقل میکند.
پژوهشگر پارک علم وفناوری آذربایجان شرقی ادامه داد: ازتجزیه و تحلیل دست خط روشی است که برای مطالعه ویژگیهای جسمی و رفتاری افراد استفاده میشود؛ در این اختراع، رویکرد کلی مورد استفاده برای تشخیص بیماری بر اساس تجزیه و تحلیل دست خط دیجیتال و پردازش سیگنال ارائه شده است. کار تحقیقاتی انجام شده برای تشخیص بیماریهایی مانند آلزایمر، اختلال شناختی خفیف، دیسگرافی، اسکیزوفرنی، اوتیسم، بیماری پارکینسون و بیماری روانی بر اساس تجزیه و تحلیل دست خط دیجیتال در این طرح بررسی شده است؛ از ویژگیهای مربوط به حرکت، زمان و فشار و شتاب و موقعیت مکانی x وموقعیت مکانی y برای تشخیص بیماری با استفاده از هوش مصنوعی استفاده شده است.
آقازاده تصریح کرد: تمام اعمال از جمله نوشتن در مغز شروع میشود. مانند تمام حرکات دیگر، عمل نوشتن به سیستم عصبی مرکزی بستگی دارد. مغز ما از طریق سیگنالهای عصبی، انگیزههایی را برای دستیابی به عمل حرکتی ارسال میکند؛ اگرچه دست خط از طریق قلم هدایت میشود، اما حرکت آن توسط سیستم عصبی مرکزی اداره میشود که یک روند معمولاً ناخودآگاه است، لذا با توجه به اینکه دست خط با تکانههای مغز ارتباط نزدیک دارد میتوان از آن برای پیش بینی وضعیت سلامت جسمی، عاطفی و روانی فرد به طور قابل اعتماد استفاده کرد.
دانش آموخته مهندسی پزشکی ادامه داد: دیسگرافی در کودکان در سنین مدرسه دیده میشود. کودکان مبتلا به دیسگرافی در تنظیم نامهها با مشکل روبرو میشوند و الگوهای ناهمواری از دست خط بینظیر تولید میکنند؛ با استفاده از اقدامات مکانی و زمانی میتوان کودکان مبتلا به دیسگرافی را به راحتی شناسایی کرد.
پژوهشگر مرکز رشد دانشگاه علوم پزشکی تبریز افزود: اسکیزوفرنی در ۱ درصد از جمعیت در افراد سنی حدود ۲۰ سال دیده میشود. بیماران اسکیزوفرنی اغلب رفتار کاملاً متفاوتی و عجیبی دارند در مقایسه با افراد عادی و گاهی اوقات آنها نمیتوانند خود را با دنیای واقعی ارتباط دهند. بیماران اسکیزوفرنی را میتوان با استفاده از ویژگیهای حرکتی دست خط مانند سرعت یا حرکت تند و سریع تشخیص داد.
آقازاده در ادامه افزود: بیماری اوتیسم در کودکان سنین مدرسه رخ میدهد. کودکان مبتلا به اوتیسم اغلب در برقراری ارتباط با افراد دیگر با مشکل روبرو میشوند. همچنین درک احساسات و خواندن ذهن آنها دشوار است. کودکان مبتلا به اوتیسم را میتوان با تجزیه و تحلیل سرعت، اندازه انحراف دست خط شناسایی کرد.
مدرس دانشگاه با اشاره به اینکه از تجزیه و تحلیل دست خط برای یافتن افرادی با احساسات منفی مانند استرس، اضطراب و افسردگی میتوان استفاده کرد، افزود: افسردگی به طور فزایندهای بر مردم جهان تأثیر میگذارد. این انگیزه، تمرکز و بسیاری از جنبههای دیگر زندگی انسان را تحت تأثیر قرار میدهد. استرس به دو چیز بستگی دارد: درک روانشناختی از فشار و پاسخ بدن به آن که شامل چندین سیستم است، از متابولیسم گرفته تا عضلات گرفته تا حافظه.
آقازاده در خصوص بیماری پارکینسون اظهار داشت: این بیماری نوعی اختلال در عملکردهای حرکتی به دلیل آسیب در سیستم عصبی مرکزی است. این بیماری در افراد با سن حدود ۵۰ سال دیده میشود و با گذشت زمان بدتر میشود. با اندازه گیری تند و سریع و الگوی شتاب دست خط تولید PD را میتوان شناسایی کرد.
این مخترع کشوری افزود:در این اختراع، یک سیستم کلی تجزیه و تحلیل دست خط به صورت دیجیتال برای تشخیص انواع بیماریها سلامت و مسائل روانی با یک نرم افزار تخصصی ارائه شده است. برای آموزش و آزمایش، از مدل دستگاه تبلت دیجیتال با نرم افزار تحت ویندوز طراحی شده استفاده شده است.
آقازاده توضیح داد: کار انجام شده برای تشخیص بیماریهایی مانند آلزایمر، اختلال شناختی خفیف، دیسگرافی، اسکیزوفرنی، اوتیسم، بیماری پارکینسون و بیماری روانی بر اساس تجزیه و تحلیل دست خط دیجیتال همراه با پردازش سیگنال انجام شده است.
وی تصریح کرد: در این طرح دست خط بیمار با استفاده از تبلت دیجیتال ثبت گردید، مشخص شد که ویژگیهای مربوط به حرکت، زمان و فشار و شتاب با استفاده از روش تجزیه و تحلیل دست خط دیجیتال همراه با پردازش سیگنال برای تشخیص سلامت و بیماریهای روانی بسیار کارآمد و کم هزینه است.
آقازاده درپایان گفت: اطلاعات دریافت شده از بیماران در کامپیوتر ثبت شده که این اطلاعات به صورت سیگنال بوده و ویژگیهای این سیگنال استخراج میشود و توسط هوش مصنوعی پردازش شده و با این روش فرد بیمار را میتوان از افراد سالم تشخیص داد. گفتنی است این طرح در مرکز تخصصی مهندسی پزشکی با همکاری رامین سلیمانی دانش آموخته رشته مهندسی پزشکی در مدت دو سال انجام شده است.