تشخیص بیماری آلزایمر با استفاده از ترکیب مولفه های N۲۰۰ و P۳۰۰ و الگوریتم xDAWN

بیماری آلزایمر شایع ترین نوع اختلال شدید حافظه است که با کاهش تدریجی حافظه و عملکردهای شناختی همراه می باشد. تشخیص زودهنگام این بیماری برای مداخلات درمانی موثر ضروری است. پتانسیل های وابسته به رویداد مانند P۳۰۰ و N۲۰۰ به عنوان زیست نشانگرهای غیرتهاجمی و کم هزینه برای تشخیص آلزایمر مطرح شده اند . الگوریتم xDAWN یک روش فیلترگذاری فضایی است که با بهبود نسبت سیگنال به نویز، استخراج دقیق تری از این مولفه ها را ممکن می سازد. هدف از این مطالعه، بررسی توانایی ترکیب مولفه های N۲۰۰ و P۳۰۰ با الگوریتم xDAWN در تشخیص بیماری آلزایمر می باشد. در این مطالعه، از پارادایم اودبال دیداری برای ثبت سیگنال های EEG استفاده شد. در این پارادایم، دو نوع محرک بینایی شامل محرک استاندارد (با احتمال ۸۰٪) و محرک هدف یا اودبال (با احتمال ۲۰٪) به شرکت کنندگان ارائه گردید. مدل ریاضی xDAWN برای استخراج همزمان دو مولفه N۲۰۰ و P۳۰۰ از سیگنال های ثبت شده توسعه داده شد. ویژگی های تاخیر و دامنه برای هر دو مولفه استخراج و با استفاده از طبقه بند ماشین بردار پشتیبان برای تشخیص بیماران آلزایمر از افراد سالم مورد استفاده قرار گرفت.

کلیدواژه ها:

بیماری آلزایمر ، پتانسیل وابسته به رویداد ، P۳۰۰ ، N۲۰۰ ، واسط مغز و رایانه