طراحی و ارزیابی سامانه هشدار دهنده نورولیا پرایم محصول شرکت ایلیا پردازش شرق مبتنی بر هدست EEG قابل حمل برای تشخیص زودهنگام عود اختلال دو قطبی

زمینه و هدف: اختلال دو قطبی از اختلالات مزمن و عود کننده روان پزشکی است. شناسایی زودهنگام نشانگان عود برای مداخله به موقع ضروری است. این مطالعه با هدف طراحی و ارزیابی سامانه هشدار دهنده هوشمند مبتنی بر هدست EEG قابل حمل و یادگیری ماشین برای پیش بینی زودهنگام خطر عود انجام شد. روش ها: داده های EEG از ۲۵ بیمار مبتلا به اختلال دوقطبی در شرایط طبیعی زندگی ثبت شد. سیگنال ها پس از پیش پردازش، ویژگی های فرکانسی غیرخطی و اتصال پذیری استخراج گردید. مدل های Random Forest و SVM برای طبقه بندی وضعیت پایدار در برابر پیش عود آموزش داده شدند. تمام مراحل با استفاده از سامانه نورولیا پرایم (محصول شرکت ایلیا پردازش شرق) انجام گرفت. یافته ها: سامانه پیشنهادی وضعیت پیش عود را با دقت ۹۲، حساسیت ۸۹، ویژگی و AUC برابر ۰٫۹۴ شناسایی کرد. افزایش توان تتا و کاهش توان آلفا در نواحی پیش پیشانی و پاریتال شاخص های کلیدی پیش بینی کننده عود بودند. سامانه به طور میانگین ۳ تا ۵ روز پیش از علائم بالینی هشدار تولید کرد. نتیجه گیری: ادغام EEG پوشیدنی با یادگیری ماشین چارچوبی موثر برای پایش مداوم و تشخیص زودهنگام عود اختلال دو قطبی ارائه می دهد.

کلیدواژه ها:

اختلال دو قطبی ، EEG قابل حمل ، پیش بینی عود ، یادگیری ماشین ، پایش عصبی ، سامانه نورولیا پرایم