رویکرد جدید برای بررسی پیچیدگی سیگنال کوتاه مدت EEG بر اساس شبکه عصبی

سابقه و هدف: کیفیت غیرخطی بودن EEG مانند سایر سیگنال های بی نظم را می توان با مقداری کمی نمود. بعضی از این مقادیر مانند نمای لیاپانف (Lyapunov) در بررسی واگرایی مسیر سیگنال و برخی از این کمی کننده ها نیاز به بازسازی مسیر سیگنال دارند و برخی دیگر ندارند. اما همه این کمی کننده ها برای تعیین کمیت پیچیدگی سیگنال به سیگنال های طولانی نیاز دارند. مواد و روش ها: در این مطالعه ما یک رویکرد جدید برای بررسی پیچیدگی سیگنال آشفته در کوتاه مدت و استفاده از این روش برای بررسی پیچیدگی EEG ارائه خواهیم نمود. این روش، مبتنی بر مدل سازی سیگنال و مقایسه این مدل با سیگنال واقعی است. اهمیت این روش توانایی آن در تخمین پیچیدگی سیگنال کوتاه مدت به ویژه در سیگنال هایی است که پویایی آن ها به سرعت تغییر می کند. یافته ها: برای بررسی کمی میزان مناسب بودن روش ارائه شده، این روش بر روی یک سیگنال EEG محاسبه شد و همچنین مقادیر نمای لیاپانف با دو روش Wolf و Rosenstein محاسبه شد و میزان همبستگی مقدار به دست آمده از روش ارائه شده و دو نمای لیاپانف محاسبه گردید که مشابهت این مقدار با مقایسه با روش Wolf برابر با ۹۰ درصد و با مقایسه با روش Rosenstein برابر با ۸۳ درصد بود. استنتاج: روش ارائه شده می تواند پیچیدگی سیگنال ها را در دوره های کوتاه مدت تخمین بزند. این ویژگی کمی کننده که برای سیگنال های کوتاه مدت کاربرد دارد این ویژگی را برای بررسی تغییرات سریع و بررسی زمانی این تغییر قابل استفاده می کند. این کمی ساز همچنین می تواند در بررسی سیگنال های آشوب گون دیگر نیز مورد استفاده قرار گیرد.

کلیدواژه ها:

chaos ، quantifier ، neural network ، electroencephalography ، آشوب ، کمی ساز ، شبکه عصبی ، EEG