کاربرد سیستم های رابط مغز وکامپیوتر(BCI) وآنالیز سیگنال های EEG در تشخیص افسردگی

افسردگی شایع ترین بیماری روانی است که به عامل اصلی تمایل به خودکشی در دنیا تبدیل شده است. در حال حاضر حدود ۱۲ درصد از جمعیت جهان از افسردگی رنج می برند. رویکرد های متداول برای تشخیص افسردگی مبتنی بر پرسشنامه بالینی است که به پاسخ های بیماران و همچنین مشاهده فعالیت های رفتاری آنها بستگی دارد. با این حال، هیچ روش موثری برای تشخیص افسردگی با کمک تجهیزات پیشرفته وجود ندارد. امروزه محققان زیادی با بررسی سیگنال های EEG به دنبال کشف منشا و حالت های سیگنالی مغزی در افسردگی هستند. سیستم های رابط مغز و کامپیوتر و تحلیل سیگنال های EEG پتانسیل زیادی برای بهبود درک و مداخلات بالینی افسردگی دارد. این مطالعه، یک مرور سیستماتیک از کاربردهای رابط مغز و کامپیوتر و سیگنال های EEG برای آنالیز افسردگی می باشد. این مطالعه نشان می دهد که محرک های منفی در افسردگی را میتوان با کمک بررسی سیگنال های مغزی شناسایی نموده و در مطالعه بیماران مختلف استفاده کرد. محققان مشاهده کردند که تجزیه و تحلیل شبکه عصبی و نقشه توپولوژیکی مغز پتانسیل بسیار زیادی برای یافتن نشانگرهای زیستی افسردگی دارند. برای این کار، محققان از بسیاری از روش های پردازش سیگنال و یادگیری ماشین مانند رویکردهای یادگیری ماشین، شبکه عصبی کانولوشن (CNN) و ماشین بردار پشتیبان (SVM) بهره برده اند.

کلیدواژه ها:

افسردگی ، علوم شناختی ، رابط مغز و کامپیوتر ، نشانگرهای زیستی ، روانشناسی