دوره 13، شماره 3 - ( 9-1394 )
جلد 13 شماره 3 صفحات 375-367 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
فتوت ل, ابوطالبي و, صادقي م, باقريان سرارودي ر. Design and Implementation of an Automatic Bipolar Disorder Detection System Using Brain Signals. RBS 2015; 13 (3) :367-375
URL: http://rbs.mui.ac.ir/article-1-411-fa.html
URL: http://rbs.mui.ac.ir/article-1-411-fa.html
فتوت لادن، ابوطالبی وحید، صادقی محمدتقی، باقریان سرارودی رضا. طراحی و پیاده‌سازی یک سیستم تشخیص خودکار اختلال دوقطبی مبتنی بر سیگنال‌های مغزی. تحقیقات علوم رفتاری. 1394; 13 (3) :367-375
لادن فتوت* 
1، وحید ابوطالبی2 ، محمدتقی صادقی2 ، رضا باقریان سرارودی3
1، وحید ابوطالبی2 ، محمدتقی صادقی2 ، رضا باقریان سرارودی3
1- کارشناس ارشد مخابرات سیستم، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران
2- استادیار، گروه مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران
3- دانشیار، مرکز تحقیقات علوم رفتاری، گروه روانپزشکی،دانشکده پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
2- استادیار، گروه مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران
3- دانشیار، مرکز تحقیقات علوم رفتاری، گروه روانپزشکی،دانشکده پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
چکیده: (1592 مشاهده)
چکیده زمینه و هدف: تشخیص صحیح بیماری اختلال دوقطبی به مهارت و تجربه بالای روان‌پزشک نیاز دارد و در بسیاری موارد شباهت‌های موجود در علائم منجر به تشخیص نادرست و حادتر شدن بیماری می شود. هدف این پژوهش استفاده از سیگنال‌های مغزی در زمینه تشخیص مؤثر این بیماری است. مواد و روش ها: مطالعه بر روی 12 فرد سالم و 12 فرد مبتلا به اختلال دوقطبی انجام شده است و سیگنال‌های الکتریکی مغز بر اساس استاندارد 20-10 و به صورت 16 کاناله ثبت شده است. با توجه به نتایج به‌دست‌آمده توسط سایر گروه‌های تحقیقاتی، این مطالعه بر روی سیگنال‌های الکتریکی کانال‌های F 3 ، F 4 ، P 3 ، P 4 ، T 3 ، T 4 ، O 1 و O 2 انجام شده است. دسته ویژگی‌های انرژی کل سیگنال و انرژی باندهای فرکانسی، فرکانس مرکزی، فرکانس ماکزیمم، ضرایب (AR یا Autoregressive) و توصیف‌های جورث از سیگنال‌های دریافتی استخراج شده و بر اساس این ویژگی‌ها افراد سالم و بیمار از طریق شبکه‌های عصبی پس انتشار و شعاع مبنا تفکیک شده‌اند. یافته‌ها : در بررسی دقیق ویژگی‌های استخراج شده می‌توان مشاهده نمود که ویژگی‌هایی چون فرکانس ماکزیمم، توان باند theta، تحرک و ضرایب AR مختلف می‌تواند مرجع مناسبی برای جداسازی گروه سالم از بیمار باشد. نتیجه‌گیری : در فرایند تشخیص خودکار، طبقه‌بندی‌کننده شعاع‌مبنا 3/87% و طبقه‌بندی‌کننده پس‌انتشار 7/94% قدرت تفکیک صحیح را دارا می‌باشند و براساس این نتایج می‌توانیم با صحت قابل قبولی افراد مبتلا به اختلال دوقطبی را از افراد سالم تشخیص دهیم. واژه‌های کلیدی: اختلال دوقطبی (Bipolar Disorder)، سیگنال الکتریکی مغز (EEG)، توان باندهای فرکانسی، شبکه‌های عصبی (Neural Network)
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |