بررسی ویژگی های طیفی مرتبط با اختلال وسواسی_جبری در الکتروانسفالوگرافی کمی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 68

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ICSS-25-2_009

تاریخ نمایه سازی: 13 آبان 1402

چکیده مقاله:

مقدمه: از میان تکنیک های نقشه ­برداری مغزی، الکتروانسفالوگرافی کمی با کاربری آسان تر جهت بررسی اختلالات روان­ پزشکی از جمله اختلال وسواسی_جبری مورد اقبال واقع شده است. ویژگی های طیفی، نمایان­گر توزیع قدرت سیگنال در باند های فرکانسی مختلف سیگنال الکتروانسفالوگرافی کمی می باشند و می­ توانند تفاوت فعالیت عصبی نواحی مختلف را که شاید زمینه­ ساز بیماری باشند مشخص کنند. در این مطالعه با استفاده از ویژگی های طیفی دخیل در اختلال وسواسی_جبری که بر اساس مطالعات گذشته شناخته شده است را بررسی کرده و به عنوان ورودی داده ها به عملکرد الگوریتم پیشنهادی عملکرد بررسی کردیم. روش کار: این مطالعه یک مطالعه مقطعی_تحلیلی بود. سیگنال های الکتروانسفالوگرافی در حالت استراحت از افراد دارای اختلال و سالم در شرایط چشم بسته به دست آمد. این روش با استفاده از کلاهک ۲۱ کاناله انجام شد. پس از حذف نویز با روش ICA ویژگی های طیفی محاسبه و پس از افزایش داده ها از طریق تقسیم الکتروانسفالوگرام به سیگنال های یک دقیقه ای، به عنوان ورودی ماشین یادگیری استفاده شد. همچنین با استفاده از آزمون های آماری این ویژگی ها بین دو گروه سالم و افراد دارای اختلال مقایسه شد. یافته ها: ۴۲ فرد وارد مطالعه شدند که ۲۷ نفر دارای اختلال و ۱۴ نفر سالم بودند. مشخص شد که هیچ یک از ویژگی های استخراج شده بین دو گروه اختلاف معناداری نداشتند. حساسیت ارایه شده توسط الگوریتم یادگیری ماشین ۸۳/۳ درصد، اختصاصیت ۸۰ درصد، دقت ۸۲/۱ درصد و نرخ نسبت یافتن غلط (FDR) ۱۱/۷ درصد به دست آمد. نتیجه ­گیری: برخلاف مطالعات قبل اغلب ویژگی های طیفی به جز یک مورد (بتای ناحیه پیشانی) اختلاف معناداری نداشتند. الگوریتم یادگیری ماشین با دقت ۸۲/۱ درصد توانست افراد مبتلا را تشخیص دهد. این عملکرد قابل قبول و مشابه عملکرد دیگر الگوریتم ها با ویژگی های غیر طیفی و روش های تصویربرداری دیگر بود.

نویسندگان

امیررضا فرخزادی

Student Research Committee, Faculty of Advanced Technologies in Medicine, Iran University of Medical Sciences (IUMS), Tehran, Iran/ Department of Neuroscience, Faculty of Advanced Technologies in Medicine, Iran University of Medical Sciences (IUMS), Tehra

هادی معتمدی

Student Research Committee, Faculty of Advanced Technologies in Medicine, Iran University of Medical Sciences (IUMS), Tehran, Iran/Department of Neuroscience, Faculty of Advanced Technologies in Medicine, Iran University of Medical Sciences (IUMS), Tehran

علی شهبازی

Department of Neuroscience, Faculty of Advanced Technologies in Medicine, Iran University of Medical Sciences (IUMS), Tehran, Iran

محمد قدیری

Research Center for Addiction and Risky Behaviors (ReCARB), Medical Faculty, Iran University of Medical Sciences (IUMS), Tehran, Iran

محمدعلی نظری

Research Center for Addiction and Risky Behaviors (ReCARB), Medical Faculty, Iran University of Medical Sciences (IUMS), Tehran, Iran

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 :
  • Burdick KE, Robinson DG, Malhotra AK, Szeszko PR. Neurocognitive profile ...
  • Murray CJL, Lopez AD. The global burden of disease: A ...
  • Voderholzer U, Schlegl S, Kulz AK. Epidemiology and health care ...
  • Ruscio AM, Stein DJ, Chiu WT, Kessler RC. The epidemiology ...
  • Mohammadi MR, Salmanian M, Hooshyari Z, Shakiba A, Alavi SS, ...
  • Sulaimani MF, Bagadood NH. Implication of coronavirus pandemic on obsessive-compulsive-disorder ...
  • APA. Diagnostic and statistical manual of mental disorders (DSM-۵®). ۵th ...
  • Ducharme S, Dougherty DD, Drevets WC. Neuroimaging and neurocircuitry of ...
  • Pittenger C. What does an OCD brain look like? [Internet]. ...
  • Prichep LS, Mas F, Hollander E, Liebowitz M, John ER, ...
  • Hansen ES, Prichep LS, Bolwig TG, John ER. Quantitative electroencephalography ...
  • John ER, Prichep LS, Winterer G, Herrmann WM, DiMichele F, ...
  • John ER, Prichep LS, Almas M. Subtyping of psychiatric patients ...
  • John ER, Prichep LS. The relevance of QEEG to the ...
  • Yang X, Hu X, Tang W, Li B, Yang Y, ...
  • Aydin S, Arica N, Ergul E, Tan O. Classification of ...
  • Shephard E, Stern ER, van den Heuvel OA, Costa DL, ...
  • Goodman WK, Storch EA, Sheth SA. Harmonizing the neurobiology and ...
  • Denys D, Graat I, Mocking R, de Koning P, Vulink ...
  • Sen B, Bernstein GA, Xu T, Mueller BA, Schreiner MW, ...
  • Perera MP, Bailey NW, Herring SE, Fitzgerald PB. Electrophysiology of ...
  • Swingle PG. Neurofeedback. In: Swingle PG, editor. Adding neurotherapy to ...
  • نمایش کامل مراجع