بازشناسی افراد مبتلا به آلزایمر در حالات هیجانی مبتنی بر شبکه عصبی کانولوشنی بهینه و سیگنال الکتروانسفالوگرافی

مقدمه: تشخیص دقیق بیماری آلزایمر در مراحل اولیه نقش مهمی را در مراقبت از بیمار دارد و می بایست اقدامات پیشگیرانه را قبل از آسیب غیرقابل برگشت به مغز انجام داد. با افزایش سن تغییراتی در حافظه ایجاد می شود که طبیعی است؛ اما نشانه های بیماری آلزایمر بیش از فراموشی های موقتی می باشد. تشخیص زودهنگام و هوشمند بیماری آلزایمر در حالات مختلف می تواند کمک شایانی به بیماران و پزشکان بکند. روش: در روش پیشنهادی برای بهبود بازشناسی افراد مبتلا به آلزایمر از افراد سالم در حالات هیجانی از شبکه عصبی کانولوشنی استفاده خواهد شد. ابتدا بر روی سیگنال الکتروانسفالوگرافی، پیش پردازش های موردنیاز انجام می شود و سپس به عنوان ورودی به شبکه اعمال خواهد شد. در ادامه جهت بهینه سازی وزن های شبکه عصبی کانولوشنی از الگوریتم ژنتیک استفاده می شود. نتایج: تحقیقات انجام شده نشان می دهد که لوب پیشانی مغز با احساسات در ارتباط می باشد و استفاده از کانال های F۳ و F۴ در مقایسه با سایر کانال ها اطلاعات بیشتری را منعکس می کند، بنابراین با این اطلاعات عمل تشخیص افراد آلزایمری در حالات هیجانی بهتر انجام می شود. نتیجه گیری: روش پیشنهادی با سایر دسته بندها در حالات خوشایندی و برانگیختگی مورد ارزیابی قرار گرفت و مشاهده شد که این روش در مقایسه با روش های دیگر با دقت ۹۲/۳ درصد در خوشایندی و ۹۴/۳ درصد در برانگیختگی در بازشناسی افراد مبتلا به آلزایمر از کارایی بهتری برخوردار است.

کلیدواژه ها:

Alzheimer ، Electroencephalography ، Convolutional Neural Network ، Genetic Algorithm ، آلزایمر ، الکتروانسفالوگرافی ، شبکه عصبی کانولوشن ، الگوریتم ژنتیک