پیش بینی موفقیت در درمان نوروفیدبک برای بیماران اختلال نقص توجه و بیش فعالی پیش از شروع درمان

در این مقاله روش پیش بینی درمان پذیری بیماران مبتلا به بیش فعالی با آموزش نوروفیدبک به کمک استخراج باند فرکانسی سیگنال الکتروانسفالوگرام (EEG) و با استفاده از معیار ارزیابی ارتباطات مغزی-عملکردی انجام شده تا قبل از شروع درمان نوروفیدبک درمان پذیری شخص تشخیص داده شود. این الگوریتم شامل شش مرحله است: در گام اول یک مجموعه داده از ثبت سیگنال EEG حین تحریک نوروفیدبک از ۶۰ دانش آموز در رده سنی ۷ تا ۱۴ سال (بدون توجه به جنسیت) مبتلا به بیش فعالی در دو کلاس درمان پذیر و درمان ناپذیر از پایگاه داده مندلی دریافت شده است. در گام دوم فیلترینگ اولیه برای کاهش نویز مجموعه داده ها با استفاده از یک بلوک پیش پردازش انجام شده است. در گام سوم توزیع فرکانسی باند آلفا و بتا از سیگنال های کاهش نویز شده استخراج شده است. در این نوع داده تفاوت در اجزای EEG هر گروه با استفاده از سنجش ارتباطات مغزی-عملکردی و به کمک شاخص قفل فاز (PLI) قابل بیان بوده که برای تشخیص وجود ارتباط بین لوب های مغزی درگیر یک بار با استفاده از شاخص مقدار احتمال (PV) در آزمون آماری تی-تست و برای افزایش صحت، از الگوریتم ژنتیک برای تشخیص الکترودهای موثر در درمان استفاده شده است.پس گام چهارم استخراج ویژگی یعنی سنجش میزان ارتباطات مغزی در الکترودهای ثبت سیگنال مغزی می باشد در گام پنجم یعنی کاهش فضای ویژگی، نتایج نشان می دهند که لوب های درگیر هنگام تحریک نوروفیدبک، لوب های فرونتال و سنترال هستند و از بین ۳۲ کانال ثبت EEG فقط داده های مربوط به ۶ کانال C۳، FZ، F۴، CZ، C۴ و F۳ تفاوت معناداری در میزان ارتباطات مغزی حین تحریک از خود نشان می دهند و درنهایت گام ششم با استفاده از طبقه بندی های مختلف، خروجی ترکیب طبقه بندها برچسب یکی از دو کلاس درمان پذیر یا درمان ناپذیر بوده است. در این روش پیشنهادی از معیار صحت برای بیان نتیجه پژوهش استفاده شده و درنهایت درصد صحت به دست آمده ۶/۹۰ درصد است.

کلیدواژه ها:

الکتروانسفالوگرام ، الگوریتم ژنتیک ، بیش فعالی ، پیش بینی ، شبکه ارتباطات مغزی ، نوروفیدبک