Askari E, Motamed S, Ashori Ghale Koli S. Recognition of Alzheimer’s Patients in Emotional States Based on the Optimal Convolutional Neural Network and Electroencephalography. jhbmi 2023; 10 (2) :175-184
URL:
http://jhbmi.ir/article-1-779-fa.html
عسکری الهام، معتمد سارا، عاشوری قلعه کلی صفورا. بازشناسی افراد مبتلا به آلزایمر در حالات هیجانی مبتنی بر شبکه عصبی کانولوشنی بهینه و سیگنال الکتروانسفالوگرافی. مجله انفورماتیک سلامت و زیست پزشکی. 1402; 10 (2) :175-184
URL: http://jhbmi.ir/article-1-779-fa.html
دکتری مهندسی کامپیوتر، استادیار، گروه کامپیوتر، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
چکیده: (200 مشاهده)
مقدمه: تشـخیص دقیــق بیمــاری آلزایمــر در مراحل اولیه نقــش مهمــی را در مراقبــت از بیمــار دارد و میبایست اقدامــات پیشگیرانه را قبــل از آســیب غیــرقابــل برگشــت بــه مغــز انجـام داد. با افزایش سن تغییراتی در حافظه ایجاد میشود که طبیعی است؛ اما نشانههای بیماری آلزایمر بیش از فراموشیهای موقتی میباشد. تشخیص زودهنگام و هوشمند بیماری آلزایمر در حالات مختلف میتواند کمک شایانی به بیماران و پزشکان بکند.
روش: در روش پیشنهادی برای بهبود بازشناسی افراد مبتلا به آلزایمر از افراد سالم در حالات هیجانی از شبکه عصبی کانولوشنی استفاده خواهد شد. ابتدا بر روی سیگنال الکتروانسفالوگرافی، پیشپردازشهای موردنیاز انجام میشود و سپس بهعنوان ورودی به شبکه اعمال خواهد شد. در ادامه جهت بهینهسازی وزنهای شبکه عصبی کانولوشنی از الگوریتم ژنتیک استفاده میشود.
نتایج: تحقیقات انجام شده نشان میدهد که لوب پیشانی مغز با احساسات در ارتباط میباشد و استفاده از کانالهای F3 و F4 در مقایسه با سایر کانالها اطلاعات بیشتری را منعکس میکند، بنابراین با این اطلاعات عمل تشخیص افراد آلزایمری در حالات هیجانی بهتر انجام میشود.
نتیجهگیری: روش پیشنهادی با سایر دستهبندها در حالات خوشایندی و برانگیختگی مورد ارزیابی قرار گرفت و مشاهده شد که این روش در مقایسه با روشهای دیگر با دقت 92/3 درصد در خوشایندی و 94/3 درصد در برانگیختگی در بازشناسی افراد مبتلا به آلزایمر از کارایی بهتری برخوردار است.
نوع مطالعه:
پژوهشي اصیل |
موضوع مقاله:
داده کاوی دریافت: 1402/2/26 | پذیرش: 1402/6/19