تشخیص بیماری پارکینسون با استفاده از سیگنال EEG و روش یادگیری عمیق

در طول سال ها، نقص حرکتی در بیماران مبتلا به بیماری پارکینسون (PD) تا حد زیادی مورد مطالعه قرار گرفت، با این حال، هیچ الگوی ثابتی از روابط بین الکتروانسفالوگرافی (EEG) و پارکینسون بیان نشده است. فقدان کلی اطلاعات در مورد رابطه بین تغییرات EEG و مقیاس های مربوط به نقص حرکتی خاص وجود دارد. مطالعه با هدف بررسی رابطه بین تغییرات فعالیت نوسانی مغز (و بیشترین استفاده از مقیاس های نقص حرکتی مرتبط با پارکینسون بسیار مورد نیاز است. به همین دلیل رسیدن به روش هایی با صحت بالا و قابلیت اطمینان برای تشخیص بیماری پارکینسون بسیار ضروری است و هر چه این کار سرعتر و دقیق تر انجام گیرد، روند درمان و بهبودی را تسریع می بخشد که گاها تشخیص و درمان زودتر به مراتب درمان را ساده تر میکند. یک ابزار مهم برای چنین ارزیابی های تکمیلی، الکتروانسفالوگرافی است که می تواند فعالیت مغز را به طور مستقیم و غیر تهاجمی اندازه گیری کند. کاربرد الکتروانسفالوگرافی برای کمک به ارزیابی اختلالات شناختی و حتی پیش بینی زوال شناختی قبلا در جمعیت عمومی استفاده شده است. روش های یادگیری عمیق مهمترین و متداولترین روش ها برای تشخیص خودکار بدون دخالت دست می باشند. روز به روز به اهمیت و استفاده از این روش ها افزوده می شود. در این پایان نامه با استفاده از روش یادگیری عمیق برمبنای شبکه عصبی کانولوشن برای تشخیص بیماری پارکینسون استفاده شده است. در این پایان نامه به صحت 99.94% برای تشخیص پارکینشون دست یافتیم. نتایج بدست امده حاکی از آن است که روش پیشنهادی، روشی مناسب و کارآمد برای تشخیص بیماری پارکینسون با استفاده از سیگنال EEG می باشد.

کلیدواژه ها:

بیماری پارکینسون ، شبکه عصبی کانولوشن ، یادگیری عمیق ، سیگنال EEG.