تحلیل اتصال های مغزی برای پیش بینی وقوع حمله های تشنج صرعی با استفاده از سیگنال های الکتروانسفالوگرافی

قرار­ گرفتن در وضعیت­های مختلف ادراکی، شناختی و احساسی با نوعی انتشار اطلاعات از طریق نوسانات نورون­های مغزی همراه است. بررسی این نوسانات و به طور مشخص­­­ ارتباطات و تعاملات میان بخش­های مختلف مغز، می­تواند اطلاعات مفیدی درباره­ی نحوه ی واکنش مغز در­ وضعیت­های مختلف حاصل نماید. ارتباطات بین نواحی مختلف مغز به سه دسته­ی ساختاری، موثر و کارکردی تقسیم بندی می­شوند. دسته­ی اول به ارتباط بین نورون­های نواحی مجاور می­پردازد، در حالی که دسته­ی دوم و سوم بر هم سانی زمانی بین نوسانات بخش­های نه لزوما مجاور تمرکز دارند. اگر چه سیگنال­های EEG به دلیل دقت مکانی نسبتا پایین، مناسب­ترین معیار برای سنجش ارتباطات کارکردی و موثر بین بخش­های مختلف مغز نیستند، اما بررسی آماری این سیگنال­ها می­تواند در تشخیص هم زمانی بین نوسانات نواحی مختلف مغز کمک قابل توجهی نماید. در این مقاله، چارچوبی نوین برای پیش­بینی وقوع تشنج با استفاده از سیگنال­های EEG ارائه شده که از معیار علیت گرنجر در حوزه­ی فرکانس برای اندازه­گیری میزان هم­زمانی نوسانات سیگنال­های EEG در زمان های Inter-ictal و Pre-ictal استفاده می­کند. در ادامه، با به کارگیری یک طبقه بند Logistic Regression با عبارت تنظیم کننده ی درجه ی اول به تفکیک نمونه های استخراج شده از این دو بازه ی زمانی از یک دیگر پرداخته شده است. در گام آخر، با در نظر گرفتن بازه های زمانی متوالی، در صورتی که به تعداد مشخصی بازه ی مربوط به Pre-ictal شناخته شود، وقوع تشنج اعلام می گردد. شبیه سازی های انجام شده روی مجموعه­ی داده­ی CHB-MIT به ازای افق پیش بینی ۱۰ دقیقه به نرخ حساسیت ۰۳/۹۵% و نرخ پیش بینی نادرست ۱۴/۰ بر ساعت منتج شده است که نشان دهنده ی عمل کرد قابل قبول روش پیشنهادی در مقایسه با بهترین نتایج گزارش شده در سایر مقالات می باشد.

کلیدواژه ها:

علوم اعصاب محاسباتی ، پیش بینی تشنج ، اتصالات کارکردی و موثر ، یادگیری ماشین