شناسایی ویژگی های سیگنال مغزی توسط شبکه ی عصبی و تفکیک کننده ی خطی در بیماران آلزایمری

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 669

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECTRICA03_007

تاریخ نمایه سازی: 5 اردیبهشت 1396

چکیده مقاله:

با توجه به پیشرفت و گستردگی روزافزون بیماری آلزایمر، هدف و انگیزه اصلی این تحقیق طراحی و ارایه سیستمی توسط استفاده از سیگنال های مغزی جهت تشخیص و شناسایی زودرس این بیماری است که یکی از روش های پردازشی بهینه و کم هزینه می باشد. بیماری آلزایمر از تجمع رسوبات پلاک های آمیلوییدی ایجاد می گردد، که نتیجه ی آن از بین رفتن ارتباط بین سلول های عصبی و ایجاد کلافه های نور و فیبریلری است. همانطور که گفته شد یکی از روش های تشخیص این بیماری استخراج ویژگی های خطی و غیر خطی از سیگنال های مغزی می باشد. ابتدا بیماران به 3 گروه سالم، خفیف و شدید تقسیم بندی شده اند. در این مطالعه یک گروه افراد سالم، یک گروه بیمار خفیف و یک گروه بیمار شدید با طول داده ای حدود 4097 مورد تحلیل و بررسی قرار گرفته اند. شاخص این بیماری بررسی سیگنال مغزی در حوزه زمان و فرکانس است. در این تحقیق ابتدا توسط فیلتر میانگذر نوار مغز به طیف های فرکانسی دلتا، تتا، آلفا، بتا و گاما تقسیم بندی گردیده و آنگاه پس از اعمال شبکه عصبی، توسط تفکیک کننده ی خطی با صحت نتایج برای افراد سالم و بیمار شدید در باند دلتا 82 2% و در باند آلفا 89 7% و برای افراد سالم و بیمار خفیف در باند گاما 72 1% مورد بررسی قرار گرفته است.

کلیدواژه ها:

بیماری آلزایمر ، سیگنال های مغزی ، شبکه عصبی ، ویژگی های خطی و غیر خطی

نویسندگان

الیاس ایران خواه

دانشجوی کارشناسی ارشد رشته ی مهندسی پزشکی گرایش بیوالکتریک موسسه آموزش عالی خاوران

الیاس مزروعی راد

دانشجوی دکتری مهندسی پزشکی، عضو هیات علمی موسسه آموزش عالی خاوران

آیلار کمالی

دانشجوی کارشناسی رشته ی مهندسی پزشکی گرایش بیوالکتریک موسسه آموزش عالی خاوران

مهلا سامانی

دانشجوی کارشناسی رشته ی مهندسی پزشکی گرایش بیوالکتریک موسسه آموزش عالی خاوران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • _ مزروعی راد.الیاس، خلیل زاده.محمد علی، قندهاری.کاویان _ 2 بررسی ... [مقاله کنفرانسی]
  • . محمدی.میترا، مزروعی راد.الیاس، زفعرانه.الهام، سلامی.سحر، _ تشخیص بیماری آزایمر ...
  • . J.A.C. Saeid Sanei, "EEG Sigmal Prosessing, " centre of ...
  • .G.H.N. Robert M. Chapman, John W. McCrary, John A. Chapmanm, ...
  • . P.D. Tom Meuser, "Clinical Dementia Rating (CDR) Scale, " ...
  • .C. Cortes, V. Vapnik, _ Support-Vector Networks", Machine Learning, Vol. ...
  • R.E.C. Jeffrey R. Petrella, P. Murali Doraiswamy, "Neuroimaging and Early ...
  • P.J.S. Colleen E. Jackson "E] e ctro e ncephalography and ...
  • C. Cortes, V. Vapnik, _ Support-Vector Networks", Machine Learning, Vol. ...
  • نمایش کامل مراجع