طبقه بندی سیگنال های الکتروانسفالوگرام بیماران افسرده و افراد سالم با استفاده از کرنل گرافیِ انتشار مسیر

اختلال افسردگی یکی از شایع ترین و پرهزینه ترین اختلالات روانی در ایران و جهان است. در پژوهش هاي اخیر نشان داده شده استکه استفاده از روش هاي یادگیري ماشین و اعمال آنها بر سیگنال هاي الکتروانسفالوگرام می تواند راه حلی براي افزایش دقت فرایندهاي تشخیص ودرمان افسردگی در کلینیک هاي روانشناسی باشد. در این مقاله روشی جدید بر مبناي کرنل هاي گرافی انتشار مسیر براي طبقه بندي سیگنال هايالکتروانسفالوگرام بیماران داراي اختلال افسردگی و افراد سالم ارائه شده است. در روش پیشنهادي، ابتدا اتصالات مغزي کارکردي در باندهايمختلف فرکانسی استخراج شده و گراف هاي متناظر با هر نوع اتصال و هر باند فرکانسی ساخته می شوند. با استفاده از این گراف ها، کرنل هاي گرافیانتشار مسیر (به عنوان شباهت بین هر دو گراف) در سه نوع کاملا چرخشی (کرنل مسیر معمول) ، نیمه چرخشی و بدون چرخش تعریف و محاسبهشده و طبقه بندي با استفاده از طبقه بند ماشین بردار پشتیبان کرنل دار انجام می شود. روش پیشنهادي بر مجموعه سیگنال الکتروانسفالوگرام کهاز فعالیت مغز بیماران و افراد سالم با تعداد 88 نفر در کلینیک آتیه درخشان ذهن در حالت استراحت ثبت شده است، اعمال شده است. گراف هاياتصالات مغزي از فعالیت سیگنال هاي مغزي افراد در حالت استراحت در 19 کانال استخراج شده است که در آن ارتباط بین فعالیت مغزي ثبت شدهدر الکترودها مدل سازي شده است. نتایج نشان می دهد که روش پیشنهادي توانسته است نسبت به روش طبقه بندي کلاسیک بهبودي در حدود 7درصد ایجادکند. همچنین کرنل گرافی نیمه چرخشی بهترین نتیجه را از نظر صحت، حساسیت و قطعیت ایجاد کرده است.

Keywords:

کرنل انتشار مسیر , گراف اتصالات مغزی , الکتروانسفالوگرام , حالت استراحت , اختلال افسردگی , ماشین بردار پشتیبان