رویکردی جدید در پردازش الکتروانسفالوگرام با استفاده از نقشه ی آشوب گون چبیشف: کاربرد در طبقه بندی اضطراب

اختلالات اضطرابی از شایع­ترین و ناتوان کننده­ترین اختلالات روانی در سراسر جهان به شمار می­آیند. از طرف دیگر از سال ۲۰۱۹ با شیوع کووید-۱۹ اضطراب بین مردم و به خصوص کادر درمان افزایش پیدا کرده است. در حال حاضر اضطراب (زمانی که علائم کافی و شدید باشد) با استفاده از پرسش نامه و توسط افراد متخصص تشخیص داده می­شود. برای رفع این کاستی، اخیرا توجه محققان به استفاده از سیگنال­های مغزی جلب شده است. به همین منظور مطالعه ی حاضر با هدف تشخیص اضطراب با استفاده از سیگنال مغزی انجام شده است. نوآوری این مطالعه استفاده از نقشه ی آشوب گون چبیشف برای اولین بار در تحلیل سیگنال های بیولوژیکی است. در این مطالعه از پایگاه داده ی DASPS استفاده شده که شامل الکتروانسفالوگرام ۱۴ کاناله از ۲۳ نفر (۱۰ مرد و ۱۳ زن با میانگین سنی ۳۰ سال) است. از نمرات آزمون خودارزیابی آدمک برای تقسیم اضطراب به دو و چهار سطح استفاده شده است. ابتدا داده­ها نرمال سازی شده و سپس نقشه ی آشوب گون بازسازی و به ۱۲۸ نوار تقسیم شده است. چگالی نقاط در هر یک از نوارها محاسبه شده است. دو شاخص حداکثر چگالی و نمونه ی مربوط به آن به عنوان ویژگی در نظر گرفته شده است. در نهایت ویژگی ها به ۵ روش شامل ویژگی ۱ تمام کانال­ها، نگاشت ویژگی ۱ تمام کانال­ها با استفاده از تجزیه و تحلیل اجزای اصلی (PCA)، ویژگی ۲ تمام کانال­ها، نگاشت ویژگی ۲ تمام کانال­ها با استفاده از PCA و هر ویژگی-هر کانال به طور جداگانه به دو طبقه­بند ماشین بردار پشتیبان (SVM) و K-نزدیک ترین همسایه (K-NN) اعمال شده است. نتایج حاکی از حداکثر صحت ۷۵/۹۳% برای تشخیص دو سطح اضطراب و ۱۵/۹۶% برای تشخیص چهار سطح اضطراب است. علاوه بر این، عمل کرد K-NN از SVM بهتر بوده است. در نتیجه می­توان الگوریتم پیشنهادی را به عنوان یک رویکرد مناسب برای تشخیص اضطراب معرفی کرد.

کلیدواژه ها:

نقشه ی آشوب گون چبیشف ، اضطراب ، تجزیه و تحلیل اجزای اصلی ، الکتروانسفالوگرام ، طبقه بندی