تشخیص بیماری اوتیسم در سیگنال های الکتروانسفالوگرام به کمک EEGLAB و طبقه بندی مبتنی بر ماشین بردار پشتیبان

الکتروانسفالوگرام (EEG) نوعی تست برای تشخیص فعالیت الکتریکی مغز است که با استفاده از الکترودهای کوچک فلزی برای اتصال به جمجه انجام می شود، از این رو یکی از ابزارهای اساسی در ارزیابی و شناسایی اختلالات نروفیزیولوژیک محسوب می شود. اوتیسم یک وضعیت تعریف شده رفتاری است اما بوسیله چندین اختلال متفاوت شناخته شده و شناخته نشده مربوط به اعضاء در عملکرد مغز به وجود می آید که بر رشد توانایی مغز برای به کار بردن اطلاعات تاثیرگذار هستند. در این پایان نامه با استفاده از نرم افزار متلب و آزمایشگاه الکتروانسفالوگرام، مولفه های فرکانسی زمان کوتاه در پنج باند فرکانسی دلتا (۵/۰-۴ هرتز)، تتا (۴-۸ هرتز)، آلفا (۸-۱۳ هرتز)، بتا (۱۳-۳۰ هرتز) و گاما (بیشتر از ۳۰هرتز)، وجود اختلاف بین سیگنال الکتروانسفالوگرام افراد اوتیسمی با افراد سالم نشان داده می شود و میزان همبستگی نواحی مغزی و همچنین استخراج منابع مستقل سیگنال های الکتروانسفالوگرام و چگالی طیف توان، برای تشخیص اختلال اوتیسم بررسی می گردد. سیگنال های EEG پس از پردازش به کمک EEG-LAB و استخراج اجزای مستقل، ویژگی های آماری و حوزه فرکانس استخراج شده، و به کمک طبقه بندهای ماشین بردار پشتیبان و همچنین k نزدیکترین همسایگی طبقه بندی می شوند. در طبقه بند ماشین بردار پشتیبان صحت طبقه بندی بدست آمده معادل ۸۹% و همچنین حساسیت ۸۳% و نرخ اخباری منفی ۸۵% و نیز نرخ اخباری مثبت ۸۷% در مقایسه با سایر اعداد و ارقام برتری خود را نشان داد. سپس در افراد بیمار شناسایی شده، ارتباط بین نواحی مغزی پردازش شده است.

تشخیص بیماری اوتیسم در سیگنال های الکتروانسفالوگرام به کمک EEGLAB و طبقه بندی مبتنی بر ماشین بردار پشتیبان Keywords:

الکتروانسفالوگرام , اوتیسم , چگالی طیف توان , استخراج منابع مستقل , همبستگی نواحی مغز