پردازش سیگنال EEG با استفاده از تبدیل wavelet و روش های غیرخطی و طبقه بندی آن با شبکه عصبی پرسپترون چند لایه به منظور تشخیص اختلال اضطراب فراگیر (Generalized Anxiety Disorder)

در این تحقیق برای اولین بار به ارزیابی ویژگی های زمان- فرکانس و غیرخطی سیگنالEEGدر مبتلایان به اختلال اضطراب فراگیر پرداخته ایم. بدین منظور سیگنال هایEEGدر دو گروه کنترلی ( 19 نفر) و گروهGAD 13 نفر) ، با طراحی پروتکل ثبت مناسب جمع آوری شد. پس از اعمال پیش پردازش بر روی سیگنال ها شامل حذف نویز برق شهر، حذف نویزهای فرکانس بالا و پایین ، حذف آرتیفکتEOG با استفاده ازفیلتر تطبیقی و قطعه بندی ، ویژگی های زمانی، فرکانسی، ویولت و غیرخطی برای دو مجموعه سیگنال استخراج شد. ارزیابی این ویژگی ها نشان می دهد که ویژگی های غیرخطی و ویولت بازنمایی خوبی از رفتار مغز در این اختلال را دارند. در فاز طبقه بندی شبکه عصبی پرسپترون چند لایه ،با صحت تفکیک 81 % تشخیص مبتلایان بهGAD را از افراد سالم ممکن می سازد. نتایج بدست آمده از این تحقیق که اولین پژوهش تشخیصی در تفکیک اضطراب بهنجار از اضطراب بیمارگونه است، نشان می دهد که روش ارائه شده قادر است اختلال اضطراب فراگیرGAD) را با دقت قابل قبولی شناسایی کند

کلیدواژه ها:

اختلال اضطراب فراگیر ، پردازش غیرخطی ، تبدیل ویولت ، سیگنالEEGشبکه عصبیMLP