بررسی عملکرد طبقه بندی کننده های مختلف در تشخیص زودهنگام بیماری آلزایمر از سیگنال EEG
- سال انتشار: 1398
- محل انتشار: اولین کنفرانس ملی پژوهشهای نوین در مهندسی پزشکی
- کد COI اختصاصی: MRME01_006
- زبان مقاله: فارسی
- تعداد مشاهده: 709
نویسندگان
دانشجوی کارشناسی ارشد، گروه مهندسی پزشکی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
استادیار، گروه مهندسی پزشکی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
چکیده
بیماری آلزایمر (AD) یک نوع اختلال عصبی است که مستقیما بر روی مغز اثر می گذارد و شیوع آن در جهان به سرعت در حال افزایش است. این بیماری یکی از مهم ترین و پرهزینه ترین بیماری ها در جوامع امروزی محسوب می شود. در سال های اخیر، پژوهش های فراوانی جهت تشخیص خودکار این بیماری از سیگنال های مغزی صورت گرفته است. در این مقاله، به منظور دستیابی به بالاترین دقت در تشخیص بیماری آلزایمر از سیگنال الکتروانسفالوگرام (EEG)، انواع روش های طبقه بندی مورد ارزیابی قرار می گیرند. بدین منظور از سیگنال های مغزی مربوط به 35 نفر سالم و 31 نفر بیمار آلزایمری خفیف استفاده شد. بعد از حذف نویزها و آرتیفکت ها از سیگنال های EEG، این سیگنال ها توسط روش تبدیل موجک گسسته (DWT) تجزیه شدند. سپس مجموعه ای از ویژگی ها از زیرسیگنال های EEG (واریانس، چولگی، کشیدگی، آنتروپی Sure، ریشه میانگین مربعات و ضرایب Pburg) استخراج گردید. در نهایت عملکرد سه طبقه بندی کننده ماشین بردار پشتیبان (SVM) و K نزدیک ترین همسایه (KNN) و تحلیل تمایز خطی (LDA) برای دو دسته افراد سالم و آلزایمری خفیف مورد ارزیابی قرار گرفت و بالاترین دقت به میزان 97/53 درصد توسط طبقه بندی کننده تحلیل تمایز خطی (LDA) به دست آمد.کلیدواژه ها
بیماری آلزایمر، سیگنال الکتروانسفالوگرام، تبدیل موجک گسسته، ماشین بردار پشتیبان، K نزدیک ترین همسایه، آنالیز تمایز خطیمقالات مرتبط جدید
- تحلیل انطباقی کیفیت و میزان محبوبیت خدمات ابری با بررسی و مقایسه رتبه بندی Tranco و رتبه بندی عملکردی شرکت های ابری
- طبقه بندی سیگنال های EEG ثبت شده از قشر پیش پیشانی به منظور کشف اثر موسیقی در شدت احساسات با استفاده از شبکه عصبی مصنوعی و پرسشنامه
- ارائه رویکردی برای مدیریت ریسک در پروژه های نرمافزاری با استفاده از خوشه بندی تجمعی
- تحلیل احتمالنقض ترتیب علیتی پیام ها در یک الگوریتم پخش علیتی در سیستمهای توزیع شده
- بهینه سازی به سبک گربه های شنی: الگوریتمی برای جستجوی کارآمد و مدیریت ازدحام
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.