مقایسه ی روش های تجزیه ی سیگنال در تشخیص زود هنگام بیماری آلزایمر از سیگنال EEG

یکی از مهم ترین اختلالات عصبی که تا به حال شناخته شده، بیماری آلزایمر (AD) است. در سال های اخیر، پژوهش های فراوانی جهت تشخیص خودکار این بیماری از سیگنال های مغزی صورت گرفته است. در این مقاله، به منظور بهبود دقت تشخیص بیماری آلزایمر، از روش های مختلف جهت تجزیه سیگنال الکتروانسفالوگرام (EEG) استفاده می شود. بدین منظور سنگنال های EEG مربوط به 35 نفر فرد سالم، 31 نفر بیمار آلزایمری خفیف و 20 نفر بیمار آلزایمری متوسط مورد بررسی قرار می گیرند. پس از حذف نویز آرتیفکت، سیگنال های EEG با استفاده از سه روش فیلتر کردن باندهای فرکانسی مغزی، تجزیه حالت تجربی (EEG) و تبدیل موجک گسسته (DWT) به مجموعه ای از زیرسیگنال ها تجزیه می شوند. سپس مجموعه ای از ویژگی ها از زیرسیگنال ها EEG استخراج شده و در نهایت با استفاده از ماشین بردار پشتیبان چندکلاسه (MSVM)، سه دسته افراد سالم، آلزایمری خفیف و آلزایمری متوسط از یکدیگر تفکیک می شوند. نتایج پیاده سازی بیانگر مناسب بودن روش تجزیه DWT با دقت 91/51 درصد است.

کلیدواژه ها:

بیماری آلزایمر ، سیگنال الکتروانسفالوگرام ، باندهای فرکانسی مغز ، تجزیه حالت تجربی ، تبدیل موجک گسسته ، طبقه بندی چند کلاسه ، ماشین بردار پشتیبان