استخراج اطلاعات تفاضلی سیگنال های الکتروانسفالوگرام جهت تشخیص اختلال وسواس اجباری

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 203

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMPCS-2-1_010

تاریخ نمایه سازی: 20 دی 1401

چکیده مقاله:

اختلال وسواس اجباری یک بیماری مزمن ذهنی و اجتماعی است که در بین حدود ۲ تا ۳ درصد جمعیت انسان ها شیوع دارد و سبب مشکلاتی در عملکردهای شناختی و افت کیفیت زندگی مبتلایان می گردد. به همین علت تشخیص صحیح و به هنگام آن می تواند به روان پزشکان در درمان و یا کنترل این بیماری کمک کند. تحقیقات پیشین در زمینه ی بیماری وسواس اجباری نشان دهنده ی اختلال در فعالیت الکتریکی بین نواحی مختلف مغزی بوده اند. بنابراین، در این مطالعه رویکردی جدید در زمینه ی تشخیص اختلال وسواس اجباری ارائه شده است که مبتنی بر تجزیه سیگنال به توابع پایه ای ذاتی و استخراج تغییرات لحظه ای دامنه و فاز سیگنال الکتروانسفالوگرام به صورت تفاضلی در حین انجام تکالیف فلانکر می باشد. ارزیابی الگوریتم پیشنهادی با داده های الکتروانسفالوگرام ۱۹ فرد سالم و ۱۱ بیمار دارای اختلال وسواس اجباری توسط طبقه بند ماشین بردار پشتیبان صورت گرفته است. نتایج به دست آمده، قابلیت روش پیشنهادی در تشخیص بیماری را با صحت بالای ۸۹/۹۳ درصد با استفاده از اطلاعات تفاضلی دامنه ی سیگنال الکتروانسفالوگرام نشان داده اند. در مقایسه بین نواحی مختلف ویژگی های آماری مستخرج از لوب پیشانی، شبکه ی پیشانی-آهیانه و نیم کره ی مغزی کارایی بیشتری در تشخیص بیماری ارائه داده اند.

کلیدواژه ها:

تجزیه به مولفه های مد ذاتی ، ماشین بردار پشتیبان ، ویژگی های آماری تفاضلی ، اختلال وسواس اجباری

نویسندگان

فرزانه منظری

دانشجوی کارشناسی ارشد، دانشکده ی مهندسی پزشکی، دانشگاه صنعتی سهند تبریز

پیوند قادریان

دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Tan, Q. Liu, C. Wan, Z. Jin, Y. Yang, and ...
  • S. Ferreira, J. M. Pego, and P. Morgado, "The efficacy ...
  • T. O. Gründler, J. F. Cavanagh, C. M. Figueroa, M. ...
  • F. Karadag, N. K. Oguzhanoglu, T. KURT, A. Oguzhanoglu, F. ...
  • M. P. N. Perera, N. W. Bailey, S. E. Herring, ...
  • A. Naro et al., "Theta burst stimulation for the treatment ...
  • E. E. Smith et al., "A brief demonstration of frontostriatal ...
  • X. Ma, Y. Huang, L. Liao, and Y. Jin, "A ...
  • S. Aydın and O. Tan, "Classification of band-specific regional hemispheric ...
  • U. Hegerl et al., "EEG-vigilance differences between patients with borderline ...
  • S. Aydin, N. Arica, E. Ergul, and O. Tan, "Classification ...
  • G. Chandel, O. Farooq, M. H. N. Shaikh, and P. ...
  • P. Ghaderyan and A. Abbasi, "Dynamic Hilbert warping, a new ...
  • M. Chaumon, D. V. Bishop, and N. A. Busch, "A ...
  • P. Ghaderyan and A. Abbasi, "An efficient automatic workload estimation ...
  • A. Hamad, E. H. Houssein, A. E. Hassanien, and A. ...
  • S. M. G. Beyrami and P. Ghaderyan, "A robust, cost-effective ...
  • W. S. Noble, "What is a support vector machine?," Nature ...
  • D. A. Pisner and D. M. Schnyer, "Support vector machine," ...
  • Ghaderyan, A. Abbasi, and M. H. Sedaaghi, "An efficient seizure ...
  • Ş. Tot, A. Özge, Ü. Çömelekoğlu, K. Yazici, and N. ...
  • B. Tan, Q. Liu, C. Wan, Z. Jin, Y. Yang, ...
  • S. Ferreira, J. M. Pego, and P. Morgado, "The efficacy ...
  • T. O. Gründler, J. F. Cavanagh, C. M. Figueroa, M. ...
  • F. Karadag, N. K. Oguzhanoglu, T. KURT, A. Oguzhanoglu, F. ...
  • M. P. N. Perera, N. W. Bailey, S. E. Herring, ...
  • A. Naro et al., "Theta burst stimulation for the treatment ...
  • E. E. Smith et al., "A brief demonstration of frontostriatal ...
  • X. Ma, Y. Huang, L. Liao, and Y. Jin, "A ...
  • S. Aydın and O. Tan, "Classification of band-specific regional hemispheric ...
  • U. Hegerl et al., "EEG-vigilance differences between patients with borderline ...
  • S. Aydin, N. Arica, E. Ergul, and O. Tan, "Classification ...
  • G. Chandel, O. Farooq, M. H. N. Shaikh, and P. ...
  • P. Ghaderyan and A. Abbasi, "Dynamic Hilbert warping, a new ...
  • M. Chaumon, D. V. Bishop, and N. A. Busch, "A ...
  • P. Ghaderyan and A. Abbasi, "An efficient automatic workload estimation ...
  • A. Hamad, E. H. Houssein, A. E. Hassanien, and A. ...
  • S. M. G. Beyrami and P. Ghaderyan, "A robust, cost-effective ...
  • W. S. Noble, "What is a support vector machine?," Nature ...
  • D. A. Pisner and D. M. Schnyer, "Support vector machine," ...
  • P. Ghaderyan, A. Abbasi, and M. H. Sedaaghi, "An efficient ...
  • Ş. Tot, A. Özge, Ü. Çömelekoğlu, K. Yazici, and N. ...
  • S. Yazdi-Ravandi et al., "Differential pattern of brain functional connectome ...
  • P. Desarkar, V. K. Sinha, K. Jagadheesan, and S. H. ...
  • S. Olbrich, H. Olbrich, M. Adamaszek, I. Jahn, U. Hegerl, ...
  • نمایش کامل مراجع