بررسی انواع تجزیه سیگنال EEG جهت تشخیص بیماری پارکینسون

بیماری پارکینسون بعد از آلزایمر شایع ترین بیماری مخرب اعصاب است. بیماری PD یک بیماری مزمن و در حال پیشرفت است که هیچ درمان قطعی برای آن پیدا نشده است. این بیماری معمولا به صورت کندی حرکت یا لرزش در حال استراحت و سفتی عضلات در یک یا چند اندام بروز می کند. برای تشخیص این بیماری از سیگنال EEG استفاده شده است. هدف از ارائه این مقاله تشخیص بیماری PD از سیگنال EEG با استفاده از روش های مختلف تجزیه و تحلیل سیگنال EEG است. بنابراین سیگنال EEG با استفاده از تجزیه های مختلف نظیر تبدیل موجک (WT)، زیرباندهای فرکانسی (دلتا، تتا، آلفا، بتا و گاما) و تجزیه حالت تجربی (EMD) تجزیه شده و سپس انواع ویژگی ها از آن ها استخراج می شود. در نهایت طبقه بندی کننده های مختلف جهت تشخیص بیماری به ازای سایر ویژگی های متداول ارزیابی می گردد. نتایج پیاده سازی روش پیشنهادی نشان می دهد که تجزیه و تحلیل سیگنال EEG با استففاده از تبدیل موجک باعث بهبود عملکرد تشخیص می شود. همچنین طبقه بند ماشین بردار پشتیبان با کرنل poly بهترین عملکرد سیستم را جهت تشخیص بیماری با دقت 87.61 درصد نشان می دهد.

Keywords:

بیماری پارکینسون , سیگنال EEG , تبدیل موجک , زیرباندهای فرکانسی , تجزیه حالت تجزیه , ماشین بردار پشتیبان , طبقه بند نزدیک ترین k همسایه , درخت تصمیم گیری و سیستم عصبی فازی