استفاده از یادگیری عمیق در تحلیل سیگنال های مغزی به منظور تشخیص مبتلایان به اختلال نارسایی توجه- فزون کنشی

اختلال نارسایی توجه- فزون کنشی (ADHD) یک اختلال روانشناختی شایع است که میتواند هزینه های سنگین و پیامدهای ناگواری داشته باشد. نرخ شیوع جهانی برای کودکان در حدود ۵٪ است که تقریبا ۶۰ درصد از مبتلایان کودک و نوجوان بعد از رسیدن به بزرگسالی همچنان از علایم این اختلال رنج می برند. نوار مغزی یا EEG یک تکنیک نقشه نگاری مغز و تصویربرداری عصبی است که استفاده وسیعی در حوزه بالینی از جمله در مطالعه ADHD دارد. با وجود اهمیت EEG در بسیاری از حوزه ها، محدودیت هایی همچون تغییرات شدید خصوصیات آن بین افراد مختلف مانع از پردازش و تحلیل آن به شکل کارآمد می شود. در روشهای کلاسیک برای غلبه بر این محدودیت ها از روشهای دستی استفاده شده و تلاش فراوانی صرف ساخت رویه های پردازشی برای پاکسازی، استخراج ویژگی، و دسته بندی داده های EEG میشود که ناکارآمد بوده و باید برای هر حوزه ای جداگانه توسعه داده شوند. روشهایی که بتواند از میزان وابستگی به انسان در پردازش قسمتهای مختلف بکاهد و فرایندها را به صورت خودکارتر انجام دهد میتواند بسیار سودمند باشد. یادگیری عمیق زیرمجموعه ای از یادگیری ماشین است که در سالهای اخیر عملکرد چشمگیری در بسیاری از حوزه ها داشته است. در پژوهش حاضر نوار مغزی دو گروه شامل افراد مبتلا به ADHD و افراد فاقد این اختلال مورد بررسی قرار گرفته است و با استفاده از روش یادگیری عمیق ضمن خودکارسازی مراحل پیش پردازش، استخراج ویژگی و دسته بندی، توانستیم با دقت ۹۴٪ آنها را از هم تشخیص دهیم.

کلیدواژه ها:

اختلال نارسایی توجه- فزونکنشی ، نوار مغزی ، یادگیری عمیق ، بهبود دقت ، خودکارسازی