تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک
نویسندگان
1 دانشجوی دکتری تخصصی، گروه مهندسی پزشکی، کمیتهی تحقیقات دانشجویی، دانشکدهی فناوریهای نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
2 گروه مهندسی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان ، ایران
3 استاد، گروه مهندسی پزشکی، مرکز تحقیقات پردازش تصویر و سیگنال پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
doi
10.48305/jims.v42.i773.0553چکیده
مقاله پژوهشی مقدمه: اختلال شناختی خفیف (Mild cognitive impairment) MCI، بهعنوان مرحلهی ابتدایی بیماری آلزایمر شناخته میشود. این بیماری علائمی خفیفتر از بیماری آلزایمر دارد طوری که مشکلات جدی در اعمال و کارهای روزانه ایجاد نمیکند. به دلیل ماهیت و علائم خفیف اختلال شناختی خفیف، تشخیص این بیماری بهمراتب دشوارتر از تشخیص آلزایمر است. با این حال تشخیص زودهنگام این بیماری، احتمال درمان آن را افزایش میدهد. روشها: روش بهکار گرفته شده، یک روش پردازشی پیشرفته با بهکارگیری تبدیل موجک گسسته در پیش ردازش و استفاده از موجک بستهای و فیلترهای فضایی- طیفی در استخراج ویژگی از سیگنالهای الکتروانسفالوگرام است. در این مطالعه از سیگنالهای الکتروانسفالوگرام مربوط به 29 فرد بیمار و 32 فرد سالم استفاده شده است. یافتهها: استفاده از ویولت بستهای جهت استخراج زیر باندهای فرکانسی سیگنال الکتروانسفالوگرام موجب استخراج دقیق این زیرباندها شد به گونهای که استخراج ویژگی با استفاده از ویژگیهای استخراج شده توسط بانک فیلتر الگوی فضایی مشترک موجب افزایش دقت تشخیص افراد بیمار تا 100 درصد گردید. نتیجهگیری: این مطالعه با استخراج ویژگیهای طیفی- فضایی از زیرباندهای فرکانسی سیگنال الکتروانسفالوگرام برآمده از ویولت بستهای روشی جدید جهت تشخیص اختلال شناختی خفیف ارائه نمود. نتایج این مطالعه بر نقش استفاده از موجک بستهای در تفکیک زیرباندهای فرکانسی و اعمال الگوی فضایی مشترک روی زیر باندهای فرکانسی برای استخراج ویژگیهای مؤثر در تفکیک افراد سالم از مبتلایان به اختلال شناختی خفیف تأکید دارد.
