فهرست نشریات علمی دسترسی آزاد ایران

اسکیزوفرنی یک ناهنجاری در مغز است که در آن افراد واقعیت را غیر طبیعی تفسیر می‌کنند. این اختلال روانی با علائم رفتاری مانند توهم و بی‌نظمی گفتار مشخص می‌شود. سیگنال الکتروانسفالوگرام (EEG) اختلالات مغزی را نشان می‌دهد و به‌طور گسترده برای مطالعه بیماری‌های مغزی استفاده می‌شود. هدف این مقاله تشخیص خودکار اسکیزوفرنی از روی سیگنال EEG است. روش متداول در پژوهش‌ها، استخراج دستی ویژگی‌ها از سیگنال EEG است. از آنجا که الگوریتم‌های یادگیری عمیق توانایی استخراج خودکار ویژگی‌های مهم و طبقه‌بندی آنها را دارند، در این پژوهش به‌منظور استخراج ویژگی‌های مفیدتر، سیگنال EEG به یک شبکه عصبی عمیق بازگشتی کانولوشنی یازده لایه اعمال شده است. سیگنال‌های EEG جمع‌آوری شده در انیستیتو ورشو از 14 فرد سالم و 14 بیمار اسکیزوفرنی، در اینجا مطالعه شده است. مقدار میانگین معیارهای ارزیابی درستی مدل شامل Accuracy، Sensitivity، Specificity و PPV برای مدل پیشنهادی به‌ترتیب برابر 98.79%، .98.73%، 98.86%و 99.06% به‌دست آمد که بهبود عملکرد مدل پیشنهادی برای طبقه‌بندی بیماران اسکیزوفرنی و افراد سالم را در مقایسه با مدل‌های قبلی تایید می‌کند. مدل ارائه شده می‌تواند به‌عنوان یک ابزار تشخیصی به پزشکان برای تشخیص مراحل اولیه اسکیزوفرنی کمک کند