زینب مشهدی - دانشجوی کارشناسی، مرکز تحقیقات فناوریهای زیستی و سلامت، دانشگاه بین المللی امام رضا (ع)، مشهد،خراسان رضوی،
زینب دانشجو - دانشجوی کارشناسی، مرکز تحقیقات فناوریهای زیستی و سلامت، دانشگاه بین المللی امام رضا (ع)، مشهد،خراسان رضوی، ایران
عاتکه گشوارپور - استادیار گروه مهندسی پزشکی، دانشگاه بین المللی امام رضا (ع)، مشهد،خراسان رضوی، ایران، مرکز تحقیقات فناوریهای زیستی و سلامت، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران.

پیشینه واهداف. اسکیزوفرنی جزء شدیدترین اختلال های روانی است، این بیماری در اوایل بزرگسالیشروع میشود و در بسیاری از موارد هرگز به طور کامل برطرف نمیشود. هیچ آزمون عینی مشخصی برای تشخیص این بیماری وجود ندارد؛ تشخیص این بیماری توسط پزشک یا روانشناس بالینی معمولا بر اساس رفتار مشاهده شده از بیمار است. از بهترین روش ها در تشخیص اسیکیزوفرنی ارزیابی فعالیت های مغز بیمار است، که یکی از موثرترین آنها، تحلیل سیگنال الکتروانسفالوگرافی (EEG )۱ میباشد. هدف از انجام این مقاله بررسی عملکرد روش مولتی فرکتال در تحلیل سیگنال EEG ثبت شده از بیماران اسکیزوفرنی و مقایسه آن با افراد سالم در تشخیص این بیماری است.مواد روش. این مطالعه پژوهشی به منظور تحلیل سیگنال های ۱۴ EEG بیمار مبتلا با اسکیزوفرنی پارانوئید و ۱۴ فرد سالم انجام شد، که از پایگاه داده در دسترس عموم در ۲RepOD ۲۶۱ انتخاب شده است. مطالعه حاضر به بررسی تحلیل نوسانات دیترند چندفراکتالی (MFDFA)۳ ، بروی سیگنال های EEG موجود میپردازد. پس از استخراج ویژگی، جهت تفکیک دو گروه، از دو طبقه بند ماشین بردار پشتیبان (SVM) و طبقه بند ترکیبی (Ensemble) استفاده شد.نتایج و بحث. بالاترین درصد های تفکیک با استفاده از طبقه بند ترکیبی((Ensembleحاصل شد. کلاس های بیمار و سالم صحت ۸۱/۵ درصد تشخیص داده شد. درحالی که بیشترین درصد صحت در ماشین بردار پشتیبان ( ۷۶/۹ (SVM درصد بود.

اسکیزوفرنی، الکتروانسفالوگرافی، مونو فرکتال، مولتیفرکتال، طبقه بندی، طبقه بند ترکیبی، یادگیریماشین.