تشخیص بیماری آلزایمر با استفاده از سیگنال EEG با روش تجزیه حالت تجربی و ارتباطمتقارن ورودی دوگانه

بیماری آلزایمر شایع ترین نوع زوال عقل در جهان است که با از دست دادن نورون ها و ایجاد پلاک های آمیلوئید در مغز مشخصمی شود که باعث علائم پیشرونده از دست دادن حافظه می شود. هدف این مطالعه تشخیص بیماری آلزایمر با استفاده از سیگنال EEGاست زیرا استفاده از EEG به عنوان ابزاری برای تحلیل آلزایمر به طور گسترده با مقایسه سیگنال های EEG بیماران مبتلا به آلزایمربا سیگنال های افراد سالم مورد مطالعه قرار گرفته است. برای این منظور از سیگنال های EEG ۲۴ بیمار مبتلا به آلزایمر و ۲۴ فردسالم استفاده شد که با استفاده از روش تجزیه حالت تجربی که یک روش مناسب برای تجزیه سیگنال های غیرایستا است به چهارIMF۱ تجزیه شدند. سپس چهار پارامتر آماری و دو نوع آنتروپی ، آنتروپی تقریبی و آنتروپی نمونه از هر چهار IMF استخراج شدند وانتخاب ویژگی های بهینه با دو روش انتخاب ویژگی ارتباط متقارن ورودی دوگانه DISR۲ و حداقل افزونگی-حداکثر ارتباط mRMR۳انجام شد. ویژگی ها به طبقه بندی کننده ماشین بردار پشتیبان داده شدند و مقادیر صحت، حساسیت و ویژگی محاسبه شدند. بهترین صحت با انتخاب ۳۰ ویژگی با استفاده از روش DISR بدست آمد که ۹۸/۸۸ درصد بود. نتایج بدست آمده نشان دهنده ی این است که الگوریتم پیشنهاد شده می تواند رو ش مناسبی برای تشخیص بیماری آلزایمر باشد.

کلیدواژه ها:

تشخیص بیماری آلزایمر ، الکتروانسفالوگرام ، تجزیه حالت تجربی ، آنتروپی تقریبی ، آنتروپی نمونه