تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک
مقاله پژوهشی مقدمه: اختلال شناختی خفیف (Mild cognitive impairment) MCI، بهعنوان مرحلهی ابتدایی بیماری آلزایمر شناخته میشود. این بیماری علائمی خفیفتر از بیماری آلزایمر دارد طوری که مشکلات جدی در اعمال و کارهای روزانه ایجاد نمیکند. به دلیل ماهیت و علائم خفیف اختلال شناختی خفیف، تشخیص این بیما...
Saved in:
Main Authors: | , , |
---|---|
Format: | Article |
Language: | fas |
Published: |
Isfahan University of Medical Sciences
2024-08-01
|
Series: | مجله دانشکده پزشکی اصفهان |
Subjects: | |
Online Access: | https://jims.mui.ac.ir/article_31276_6bd01c2c48f78b78f92e959c91480fe5.pdf |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
_version_ | 1841545349346361344 |
---|---|
author | محمدعلی گنجعلی علیرضا مهری دهنوی وحید صادقی |
author_facet | محمدعلی گنجعلی علیرضا مهری دهنوی وحید صادقی |
author_sort | محمدعلی گنجعلی |
collection | DOAJ |
description | مقاله پژوهشی
مقدمه: اختلال شناختی خفیف (Mild cognitive impairment) MCI، بهعنوان مرحلهی ابتدایی بیماری آلزایمر شناخته میشود. این بیماری علائمی خفیفتر از بیماری آلزایمر دارد طوری که مشکلات جدی در اعمال و کارهای روزانه ایجاد نمیکند. به دلیل ماهیت و علائم خفیف اختلال شناختی خفیف، تشخیص این بیماری بهمراتب دشوارتر از تشخیص آلزایمر است. با این حال تشخیص زودهنگام این بیماری، احتمال درمان آن را افزایش میدهد.
روشها: روش بهکار گرفته شده، یک روش پردازشی پیشرفته با بهکارگیری تبدیل موجک گسسته در پیش ردازش و استفاده از موجک بستهای و فیلترهای فضایی- طیفی در استخراج ویژگی از سیگنالهای الکتروانسفالوگرام است. در این مطالعه از سیگنالهای الکتروانسفالوگرام مربوط به 29 فرد بیمار و 32 فرد سالم استفاده شده است.
یافتهها: استفاده از ویولت بستهای جهت استخراج زیر باندهای فرکانسی سیگنال الکتروانسفالوگرام موجب استخراج دقیق این زیرباندها شد به گونهای که استخراج ویژگی با استفاده از ویژگیهای استخراج شده توسط بانک فیلتر الگوی فضایی مشترک موجب افزایش دقت تشخیص افراد بیمار تا 100 درصد گردید.
نتیجهگیری: این مطالعه با استخراج ویژگیهای طیفی- فضایی از زیرباندهای فرکانسی سیگنال الکتروانسفالوگرام برآمده از ویولت بستهای روشی جدید جهت تشخیص اختلال شناختی خفیف ارائه نمود. نتایج این مطالعه بر نقش استفاده از موجک بستهای در تفکیک زیرباندهای فرکانسی و اعمال الگوی فضایی مشترک روی زیر باندهای فرکانسی برای استخراج ویژگیهای مؤثر در تفکیک افراد سالم از مبتلایان به اختلال شناختی خفیف تأکید دارد. |
format | Article |
id | doaj-art-52a3e22050ad4ea4ac97f54348633c91 |
institution | Kabale University |
issn | 1027-7595 1735-854X |
language | fas |
publishDate | 2024-08-01 |
publisher | Isfahan University of Medical Sciences |
record_format | Article |
series | مجله دانشکده پزشکی اصفهان |
spelling | doaj-art-52a3e22050ad4ea4ac97f54348633c912025-01-12T07:12:32ZfasIsfahan University of Medical Sciencesمجله دانشکده پزشکی اصفهان1027-75951735-854X2024-08-014277355355910.48305/jims.v42.i773.055331276تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترکمحمدعلی گنجعلی0علیرضا مهری دهنوی1وحید صادقی2دانشجوی دکتری تخصصی، گروه مهندسی پزشکی، کمیتهی تحقیقات دانشجویی، دانشکدهی فناوریهای نوین علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایراناستاد، گروه مهندسی پزشکی، مرکز تحقیقات پردازش تصویر و سیگنال پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایرانگروه مهندسی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان ، ایرانمقاله پژوهشی مقدمه: اختلال شناختی خفیف (Mild cognitive impairment) MCI، بهعنوان مرحلهی ابتدایی بیماری آلزایمر شناخته میشود. این بیماری علائمی خفیفتر از بیماری آلزایمر دارد طوری که مشکلات جدی در اعمال و کارهای روزانه ایجاد نمیکند. به دلیل ماهیت و علائم خفیف اختلال شناختی خفیف، تشخیص این بیماری بهمراتب دشوارتر از تشخیص آلزایمر است. با این حال تشخیص زودهنگام این بیماری، احتمال درمان آن را افزایش میدهد. روشها: روش بهکار گرفته شده، یک روش پردازشی پیشرفته با بهکارگیری تبدیل موجک گسسته در پیش ردازش و استفاده از موجک بستهای و فیلترهای فضایی- طیفی در استخراج ویژگی از سیگنالهای الکتروانسفالوگرام است. در این مطالعه از سیگنالهای الکتروانسفالوگرام مربوط به 29 فرد بیمار و 32 فرد سالم استفاده شده است. یافتهها: استفاده از ویولت بستهای جهت استخراج زیر باندهای فرکانسی سیگنال الکتروانسفالوگرام موجب استخراج دقیق این زیرباندها شد به گونهای که استخراج ویژگی با استفاده از ویژگیهای استخراج شده توسط بانک فیلتر الگوی فضایی مشترک موجب افزایش دقت تشخیص افراد بیمار تا 100 درصد گردید. نتیجهگیری: این مطالعه با استخراج ویژگیهای طیفی- فضایی از زیرباندهای فرکانسی سیگنال الکتروانسفالوگرام برآمده از ویولت بستهای روشی جدید جهت تشخیص اختلال شناختی خفیف ارائه نمود. نتایج این مطالعه بر نقش استفاده از موجک بستهای در تفکیک زیرباندهای فرکانسی و اعمال الگوی فضایی مشترک روی زیر باندهای فرکانسی برای استخراج ویژگیهای مؤثر در تفکیک افراد سالم از مبتلایان به اختلال شناختی خفیف تأکید دارد.https://jims.mui.ac.ir/article_31276_6bd01c2c48f78b78f92e959c91480fe5.pdfاختلال شناختیآلزایمرتحلیل موجکتشخیص زودهنگامالکتروانسفالوگرافی |
spellingShingle | محمدعلی گنجعلی علیرضا مهری دهنوی وحید صادقی تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک مجله دانشکده پزشکی اصفهان اختلال شناختی آلزایمر تحلیل موجک تشخیص زودهنگام الکتروانسفالوگرافی |
title | تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک |
title_full | تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک |
title_fullStr | تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک |
title_full_unstemmed | تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک |
title_short | تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک |
title_sort | تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنالهای الکتروانسفالوگرام با استفاده از تجزیه موجک بستهای و الگوی فضایی مشترک |
topic | اختلال شناختی آلزایمر تحلیل موجک تشخیص زودهنگام الکتروانسفالوگرافی |
url | https://jims.mui.ac.ir/article_31276_6bd01c2c48f78b78f92e959c91480fe5.pdf |
work_keys_str_mv | AT mḥmdʿlygnjʿly tsẖkẖyṣkẖwdḵạrbymạrạnmbtlạbhạkẖtlạlsẖnạkẖtykẖfyfạzrwysygnạlhạyạlḵtrwạnsfạlwgrạmbạạstfạdhạztjzyhmwjḵbsthạywạlgwyfḍạyymsẖtrḵ AT ʿlyrḍạmhrydhnwy tsẖkẖyṣkẖwdḵạrbymạrạnmbtlạbhạkẖtlạlsẖnạkẖtykẖfyfạzrwysygnạlhạyạlḵtrwạnsfạlwgrạmbạạstfạdhạztjzyhmwjḵbsthạywạlgwyfḍạyymsẖtrḵ AT wḥydṣạdqy tsẖkẖyṣkẖwdḵạrbymạrạnmbtlạbhạkẖtlạlsẖnạkẖtykẖfyfạzrwysygnạlhạyạlḵtrwạnsfạlwgrạmbạạstfạdhạztjzyhmwjḵbsthạywạlgwyfḍạyymsẖtrḵ |