بهروز زرگرزاده - دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشگاه بین المللی امام رضا (ع)
الیاس مزروعی راد - کارشناس ارشد مهندسی پزشکی، عضو هیات علمی موسسه آموزش عالی خاوران
مهدی آذرنوش - دکترا مهندسی پزشکی، دپارتمان مهندسی پزشکی دانشگاه آزاد اسلامی، واحد مشهد
محمدعلی خلیل زاده - دکترا مهندسی پزشکی، دپارتمان مهندسی پزشکی دانشگاه آزاد اسلامی، واحد مشهد

براساس بررسی های انجام شده و مطالعه بر روی افراد مسن با هدف و انگیزه طراحی و ارایه یک سیستم جهت تشخیص و شناسایی بیماران آلزایمر مرحله خفیف از افراد سالم سالمند بوده به کمک ویژگی های خطی و غیرخطی سیگنال های مغزی با توجه به ویژگی های سیگنال EEG و نحوه ارتباط این بیماری با ویژگی های مختلف در سیگنال مغزی می توان با پردازش مناسب، این بیماری را در مراحل اولیه تشخیص داد. ثبت سیگنال مغزی در سه کانال Pz,Cz,Fz و در چهار حالت چشم بسته، چشم باز، یادآوری و تحریک انجام می شود. با توجه به پروتکل ثبت شده، در دوره یادآوری به مدت 60 ثانیه به ثبت سیگنال در خلال یادآوری تصاویر توسط شخص موردنظر و در دوره تحریک با توجه به نمونه ای که شنیده شده بود توسط شخص، نحوه پاسخگویی سوژه به صدای هدف مورد بررسی قرار گرفته می شود. پس از آن پردازش هایی در حوزه زمان و فرکانس از جمله تعیین ویژگی های آماری، همبستگی، آنالیز طیفی و استخراج انواع ویژگی های غیرخطی همچون نمای لیاپانوف، بعد همبستگی و آنتروپی با توجه به ماهیت غیرخطی و آشوبگونه سیگنال های مغزی، صورت گرفته. در انتها توسط روش آنالیز واریانس به استخراج ویژگی های بهینه پرداخته شده و دو طبقه بندی کننده LDA و شبکه عصبی Elman بکار گرفته شده است. طبق نتایج معلوم شد که صحت نتایج کانال Pz و حالت تحریک در مقایسه با کانال ها و حالت های دیگر بیشتر می باشد. صحت نتایج کانال Pz در دوره یادآری و تحریک با ویژگی های منتخب الگوریتم ژنتیک توسط تفکیک کننده خطی به ترتیب 65 3% و 68 4% و در شبکه عصبی حاوی صحت تفکیک 92 3% و 94 1 می باشند.

بیماری آلزایمر، EEG، آنالیز واریانس، ERP ، شبکه عصبی المن