ارائه یک نشانگر پاداش مثبت زیستی جدید مبتنی بر کپستروم ارزیابی شده در تشخیص بیماری پارکینسون

پارکینسون یک بیماری سیستم عصبی مرکزی است که بر نورون های دوپامین در جسم سیاه اثر گذاشته و سبب اختلال در عملکردهای دوپامینرژیک مغز میانی می گردد. توسعه روشهای موثر تشخیص این بیماری جهت کنترل و مدیریت اختلالات ایجاد شده موثر می باشد. در روش های پیشین ارائه شده جهت تشخیص این بیماری، پیچیدگی محاسباتی یا هزینه تشخیص بالا بوده و یا مقاومت آنها در برابر پارامترهای کلینیکی و یا تفاوت های بین فردی پایین می باشد. از این رو در مقاله حاضر یک روش تشخیصی قابل اعتماد از طریق ارائه یک نشانگر زیستی پاداش مثبت با استفاده از تجزیه کپستروم سیگنال الکتروانسفالوگرام از طریق تفکیک اجزای نوسانس و تحریکی سیگنال و فراهم نمودن اطلاعات دامنه و فاز در عین کم نمودن تعداد ضرایب تحلیلی ارائه شده است. تحلیل کپستروم جهت استخراج نمایش موثرتری از اطلاعات طیفی سیگنال های گوسی-متناوب با استفاده از تفکیک منبع-فیلتر مورد استفاده قرار گرفته است. قابلیت این روش پیشنهادی با کمک داده های ثبت شده در حین اجرای تکلیف یادگیری تقویتی مربوط به ۲۸ فرد بیمار در حالت با و بدون مصرف دارو و ۲۸ فرد سالم مورد ارزیابی قرار گرفته است. روش پیشنهادی توانسته است به میانگین صحت ۹۹/۷۹ درصد به کمک ضرایب حقیقی کپستروم کاهش یافته به ۲۵۰ ضریب از تعداد کل ۴۰۰۰ ضریب دست یابد. همچینی نتایج رضایت بخشی در هر دو حالت دارویی و لوب فرونتال در عین کاهش ۸۵ درصدی تعداد کانال های موردبررسی، به دست آمده است که نشان دهنده کارایی، مقاومت و مقرون به صرفه بودن روش پیشنهادی می باشد.

کلیدواژه ها:

بیماری های پیش رونده تدریجی ، تسک یادگیری تقویتی ، تحلیل کپستروم ، تشخیص اتوماتیک ، پردازش سیگنال الکتروانسفالوگرام ، یادگیری ماشین