بررسی انواع تجزیه سیگنال EEG جهت تشخیص بیماری پارکینسون

سال انتشار: 1398
محل انتشار: اولین کنفرانس ملی پژوهشهای نوین در مهندسی پزشکی
کد COI اختصاصی: MRME01_010
زبان مقاله: فارسی
تعداد مشاهده: 734

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 پارکینسون بعد از آلزایمر شایع ترین بیماری مخرب اعصاب است. بیماری PD یک بیماری مزمن و در حال پیشرفت است که هیچ درمان قطعی برای آن پیدا نشده است. این بیماری معمولا به صورت کندی حرکت یا لرزش در حال استراحت و سفتی عضلات در یک یا چند اندام بروز می کند. برای تشخیص این بیماری از سیگنال EEG استفاده شده است. هدف از ارائه این مقاله تشخیص بیماری PD از سیگنال EEG با استفاده از روش های مختلف تجزیه و تحلیل سیگنال EEG است. بنابراین سیگنال EEG با استفاده از تجزیه های مختلف نظیر تبدیل موجک (WT)، زیرباندهای فرکانسی (دلتا، تتا، آلفا، بتا و گاما) و تجزیه حالت تجربی (EMD) تجزیه شده و سپس انواع ویژگی ها از آن ها استخراج می شود. در نهایت طبقه بندی کننده های مختلف جهت تشخیص بیماری به ازای سایر ویژگی های متداول ارزیابی می گردد. نتایج پیاده سازی روش پیشنهادی نشان می دهد که تجزیه و تحلیل سیگنال EEG با استففاده از تبدیل موجک باعث بهبود عملکرد تشخیص می شود. همچنین طبقه بند ماشین بردار پشتیبان با کرنل poly بهترین عملکرد سیستم را جهت تشخیص بیماری با دقت 87.61 درصد نشان می دهد.

کلیدواژه ها

بیماری پارکینسون، سیگنال EEG، تبدیل موجک، زیرباندهای فرکانسی، تجزیه حالت تجزیه، ماشین بردار پشتیبان، طبقه بند نزدیک ترین k همسایه، درخت تصمیم گیری و سیستم عصبی فازی

مقالات مرتبط جدید

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.