عاتکه گشوارپور

مقدمه: ارزیابی الکتروانسفالوگرام بیماران اسکیزوفرنی موضوع بسیاری از تحقیقات اخیر بوده است. با این حال، تشخیص دقیق اسکیزوفرنی با استفاده از الکتروانسفالوگرام همواره یک بحث چالش برانگیز است. هدف: این مقاله با هدف بررسی اختلاف اطلاعات بین یک کانال مغزی و سایر الکترودها در دو گروه از بیماران اسکیزوفرنی و افراد سالم انجام شد. همچنین، قابلیت ویژگی های استخراجی در مسئله تفکیک دو گروه بررسی شد. روش : در مطالعه تحلیلی مشاهده ای حاضر، از ۱۹ کانال الکتروانسفالوگرام ۱۴ بیمار اسکیزوفرنی (۷ مرد با میانگین سنی ۳/۳ ± ۲۷/۹ سال و ۷ زن با میانگین سنی ۴/۱ ± ۲۸/۳ سال) که در انستیتوی روانپزشکی و مغز و اعصاب در ورشو لهستان بستری بودند، استفاده شد. به علاوه، داده های ۱۴ فرد سالم (۷ مرد و ۷ زن با میانگین سنی به ترتیب ۲/۹ ± ۲۶/۸ و ۳/۴ ± ۲۸/۷ سال) به عنوان گروه کنترلی تحلیل شد. پتانسیل اطلاعات متقابل و اطلاعات متقابل کوشی- شوارتز بین هر الکترود الکتروانسفالوگرام و تمام الکترودهای دیگر محاسبه شد. با استفاده از دو استراتژی، عملکرد ماشین بردار پشتیبان مورد بررسی قرار گرفت: (۱) اطلاعات متقابل یک کانال الکتروانسفالوگرام با کانال های دیگر و (۲) ترکیب اطلاعات متقابل تمام کانال های مغزی. یافته ها: نتایج نشان داد که با استفاده از اطلاعات متقابل بین کانال های الکتروانسفالوگرام، صحت تشخیص تا ۱۰۰ ٪ افزایش می یابد. برای هر دو شاخص، اطلاعات متقابل میان کانال O۲ با سایر کانال ها بالاترین عملکرد طبقه بندی را ارائه داد. نتیجه گیری: این نتایج سیستم پیشنهادی را به عنوان یک سیستم برتر در مقایسه با پیشرفته ترین ابزارهای تشخیص اسکیزوفرنی الکتروانسفالوگرام معرفی می کند.

اضطراب واکنش طبیعی انسان ها در برابر فشار روانی است که در رویارویی با عوامل مختلف ایجاد می شود. امروزه، حالت های اضطرابی توسط متخصصان با استفاده از نشانه های اضطراب و با ارائه پرسش هایی تشخیص داده می شود. هدف از این مطالعه تحلیلی-مشاهده ای، طبقه بندی خودکار دو سطح اضطراب و نرمال با تحلیل سیگنال الکتروانسفالوگرام است. در این مقاله، از پایگاه داده DASPS استفاده شد که حاوی الکتروانسفالوگرام 14 کاناله از 23 نفر (13 زن و 10 مرد، میانگین سن 30 سال) در حین ایجاد اضطراب است. تحریک اضطراب به صورت غرقه سازی، مواجهه واقعی با یک محرک ترسناک ارائه شده است. دادگان بر اساس نتایج آزمون خودارزیابی آدمک به دو گروه (1) نرمال و اضطراب کم و (2) اضطراب متوسط و زیاد تقسیم بندی شدند. آنتروپی تقریبی، بعد فرکتال و نمای لیاپانوف به عنوان ویژگی های غیر خطی از تمام کانال ها استخراج شدند. از حداقل افزونگی حداکثر ارتباط برای انتخاب بهترین ویژگی جهت اعمال به شبکه پرسپترون چند لایه استفاده شد. برای ارزیابی عملکرد الگوریتم، ساختارهای مختلف شبکه از حیث تعداد ویژگی و نورون و همچنین ابعاد مختلف ویژگی بررسی شد. ماکزیمم صحت، دقت، f1-score و حساسیت در 20 بار تکرار در تمامی حالات برابر با 100 است و با افزایش تعداد نورون، میانگین صحت افزایش می یابد. بهترین نتایج برای تعداد 5 ویژگی و 15 نورون بدست آمد که میانگین صحت، دقت، f1-score و حساسیت برای آن به ترتیب 80 %، 75/92 %، 15/84 % و 58/80 % بود. نتایج این مقاله نشان دهنده ی توانمندی الگوریتم پیشنهادی برای تشخیص افراد مضطرب از افراد نرمال می باشد .