تشخیص بیماری پارکینسون با استفاده از شبکه عصبی کانولوشن از سیگنال EEG

بیماری پارکینسون سریعترین اختلال عصبی در حال رشد در سراسر جهان است که هم علائم حرکتی و هم غیرحرکتی مشخص دارد. بیمارانی که دچار عوارض حرکتی می شوند ممکن است واجد شرایط تحریک عمیق مغز (DBS) باشند، یک مداخله جراحی تهاجمی که در تسکین عوارض حرکتی و بهبود کیفیت زندگی بسیار موثر است به همین دلیل رسیدن به روش هایی با صحت بالا و قابلیت اطمینان برای تشخیص بیماری پارکینسون بسیار ضروری است و هر چه این کار سرعتر و دقیق تر انجام گیرد، روند درمان و بهبودی را تسریع می بخشد، یک ابزار مهم برای چنین ارزیابی های تکمیلی ، الکتروانسفالوگرافی است که می تواند فعالیت مغز را به طور مستقیم و غیر تهاجمی اندازه گیری کند. کاربرد الکتروانسفالوگرافی برای کمک به ارزیابی اختلالات شناختی و حتی پیش بینی زوال شناختی قبلا در جمعیت عمومی استفاده شده است .روش های یادگیری عمیق مهمترین و متداولترین روش ها برای تشخیص خودکار بدون دخالت دست می باشند. روز به روز به اهمیت و استفاده از این روش ها افزوده می شود.در این مقاله با استفاده از روش یادگیری عمیق برمبنای شبکه عصبی کانولوشن برای تشخیص بیماری پارکینسون استفاده شده است . در این پایان نامه به صحت ۲۲/۹۶% برای تشخیص پارکینشون دست یافتیم .نتایج بدست امده حاکی از آن است که روش پیشنهادی، روشی مناسب و کارآمد برای تشخیص بیماری پارکینسون با استفاده از سیگنال EEG می باشد.

کلیدواژه ها:

بیماری پارکینسون ، شبکه عصبی کانولوشن ، یادگیری عمیق ، سیگنال .EEG