تشخیص بیماری پیش فعالی با استفاده از شبکه عصبی کانولوشن بهینه شده

اختلال کمبود توجه بیش فعالی (ADHD) یک بیماری بسیار طولانی مدت (مزمن) است که در عملکرد اجرایی افراد اختلال ایجاد می کند. در واقع به این معنی است که توانایی فرد برای مدیریت احساسات، افکار و اعمال خود را از دست می دهد. بسیاری از مردم فکر می کنند که ADHD فقط به دوران کودکی محدود می شود اما این درست نیست، ADHD در بزرگسالان نیز دیده می شود. ADHD ریشه در دوران کودکی دارد. شواهد نشان می دهد که تفاوت هایی در مغز، شبکه های عصبی و انتقال دهنده های افراد مبتلا به وجود دارد. برای ثبت فعالیت الکتریکی مغز از EEG استفاده می شود، پس ثبت الکتروآنسفالوگرام می شود. پس از ثبت EEG از طریق شبکه عصبی کانولوشن به تشخیص اختلال پرداخته می شود. شبکه عصبی کانولوشن یک شبکه سلسله مراتبی است که بر روی تصاویر دو بعدی عمل می کند و فرآیندهای استخراج و طبقه بندی ویژگی را در یک ساختار کاملا واحد و تطبیقی ادغام می کند. این ساختار می تواند به طور خودکار ویژگی های دو بعدی کلیدی را به ویژگی های هندسی و محلی در تصاویر ورودی تبدیل کند. در این پایان نامه با استفاده از سیگنال تک کانال EEG و شبکه عصبی کانولوشن دو بعدی به تشخیص اختلال پیش فعالی پرداخته شده است. در این پایان نامه با استفاده از شبکه عصبی دو بعدی از اسپکتوگرام سیگنال EEG، ویژگی عمیق بدون دخالت دست استخراج شده و در نهایت با صحت ۸۹.۹۲ درصد از هم تفکیک نمودیم.

کلیدواژه ها:

بیماری پیش فعالی ، اسپکتوگرام ، شبکه عصبی کانولوشن دو بعدی