پردازش سیگنال EEG با استفاده از تبدیل wavelet و روش های غیرخطی و طبقه بندی آن با شبکه عصبی پرسپترون چند لایه به منظور تشخیص اختلال اضطراب فراگیر (Generalized Anxiety Disorder)
محل انتشار: پانزدهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 6,255
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE15_591
تاریخ نمایه سازی: 3 آذر 1391
چکیده مقاله:
در این تحقیق برای اولین بار به ارزیابی ویژگی های زمان- فرکانس و غیرخطی سیگنالEEGدر مبتلایان به اختلال اضطراب فراگیر پرداخته ایم. بدین منظور سیگنال هایEEGدر دو گروه کنترلی ( 19 نفر) و گروهGAD 13 نفر) ، با طراحی پروتکل ثبت مناسب جمع آوری شد. پس از اعمال پیش پردازش بر روی سیگنال ها شامل حذف نویز برق شهر، حذف نویزهای فرکانس بالا و پایین ، حذف آرتیفکتEOG با استفاده ازفیلتر تطبیقی و قطعه بندی ، ویژگی های زمانی، فرکانسی، ویولت و غیرخطی برای دو مجموعه سیگنال استخراج شد. ارزیابی این ویژگی ها نشان می دهد که ویژگی های غیرخطی و ویولت بازنمایی خوبی از رفتار مغز در این اختلال را دارند. در فاز طبقه بندی شبکه عصبی پرسپترون چند لایه ،با صحت تفکیک 81 % تشخیص مبتلایان بهGAD را از افراد سالم ممکن می سازد. نتایج بدست آمده از این تحقیق که اولین پژوهش تشخیصی در تفکیک اضطراب بهنجار از اضطراب بیمارگونه است، نشان می دهد که روش ارائه شده قادر است اختلال اضطراب فراگیرGAD) را با دقت قابل قبولی شناسایی کند
کلیدواژه ها:
نویسندگان
مریم جوکارقوچانی
دانشجوی کارشناسی ارشد مهندسی پزشکی دانشگاه آزاد اسلامی واحد مشهد
سعید راحتی
استادیار گروه برق دانشگاه آزاد اسلامی واحد مشهد
علی غنائی
استادیار دانشگاه فردوسی مشهد
فرهاد فریدحسینی
استادیار گروه روانپزشکی دانشگاه علوم پزشکی مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :