تشخیص اختلال شناختی خفیف با استفاده از روش های ارتباط عملکردی مغز مبتنی بر سیگنال الکتروانسفالوگرام

بیماری آلزایمر اختلال عصبی پیش رونده ای است که با تخریب سلول های عصبی در مغز همراه می شود و یکی از مسائل جدی در جوامع با نرخ رشد کهولت سن است. اختلال شناختی خفیف می تواند نشانه ای اولیه از تغییرات عصبی باشد که ممکن است به کاهش توانایی حافظه یا زوال عقل منجر شود، اما تشخیص آن دشوار است. سیگنال الکتروانسفالوگرام (EEG) به دلیل غیرتهاجمی بودن، هزینه پایین و رزولوشن زمانی بالا به عنوان ابزاری برای تشخیص زودهنگام آلزایمر استفاده می شود. در این مطالعه، سیگنال EEG از ۱۱ فرد مبتلا به اختلال شناختی خفیف و ۱۶ فرد سالم جمع آوری و ویژگی های قفل فاز، همبستگی پیرسون و اطلاعات متقابل استخراج شد. این ویژگی ها برای طبقه بندی با الگوریتم های KNN و SVM با اعتبارسنجی متقابل ۱۰ زیرنمونه استفاده شدند. نتایج نشان داد که KNN با ویژگی اطلاعات متقابل بهترین عملکرد را با دقت ۹۲.۰۸٪، اختصاصی بودن ۹۰.۳۲٪ و حساسیت ۹۳.۳۲٪ دارد.

کلیدواژه ها:

اختلال شناختی خفیف ، آلزایمر ، سیگنال الکتروانسفالوگرام (EEG) ، ارتباطات عملکردی ، یادگیری ماشین