تشخیص تشنج با استفاده از EEG مروری جامع بر پردازش سیگنال یادگیری ماشین و کاربردهای بالینی

الکتروانسفالوگرافی (EEG) همچنان یکی از مهمترین ابزارهای تشخیصی برای شناسایی طبقه بندی و پایش تشنج های صرعی محسوب می شود. طی دهه اخیر پیشرفت های چشمگیر در حوزه هوش مصنوعی، یادگیری عمیق، پردازش دیجیتال سیگنال و سامانه های محاسباتی بلادرنگ تحول قابل توجهی در تشخیص تشنج مبتنی بر الکتروانسفالوگرافی ایجاد کرده اند. تفسیر سنتی و بصری ثبت های EEG توسط متخصصان مغز و اعصاب اغلب فرایندی زمان بر، وابسته به تجربه فردی و مستعد اختلاف نظر میان ارزیابان است، به ویژه در پایش های طولانی مدت. در نتیجه سامانه های نیمه خودکار و خودکار تشخیص تشنج به عنوان ابزارهایی ضروری برای افزایش دقت تشخیصی، کاهش بار کاری بالینی و فراهم سازی مداخله سریع مطرح شده اند. این مقاله مروری رویکردهای نوین در تشخیص تشنج با استفاده از EEG را با تمرکز ویژه بر پیش پردازش سیگنال، تکنیک های فیلترگذاری، روش های استخراج ویژگی، مدل های یادگیری ماشین، معماری های یادگیری عمیق و چارچوب های تشخیص بلادرنگ بررسی می کند. همچنین کاربردهای بالینی EEG در جمعیت های نوزادی، کودکان و بزرگسالان در کنار نقش EEG اورژانسی و سامانه های مبتنی بر هوش مصنوعی در تفسیر سیگنال ها مورد بحث قرار گرفته است. علاوه بر این چالش های مرتبط با حذف آرتیفکت ها، ناهمگنی انواع تشنج، محدودیت تعمیم پذیری داده ها و استقرار سامانه ها در محیط های واقعی درمانی تحلیل شده اند.

کلیدواژه ها:

الکتروانسفالوگرافی (EEG) ، تشنج ، صرعی ، تشخیص تشنج ، تشخیص صرع ، الکترومایوگرافی (EMG)