رويكرد جديد براي بررسي پيچيدگي سيگنال كوتاه مدت EEG بر اساس شبكه عصبي

سابقه و هدف: كيفيت غيرخطي بودن EEG مانند ساير سيگنال‌هاي بي‌نظم را مي‌توان با مقداري كمي نمود. بعضي از اين مقادير مانند نماي لياپانف (Lyapunov) در بررسي واگرايي مسير سيگنال و برخي از اين كمي‌كننده‌ها نياز به بازسازي مسير سيگنال دارند و برخي ديگر ندارند. اما همه اين كمي كننده‌ها براي تعيين كميت پيچيدگي سيگنال به سيگنال هاي طولاني نياز دارند. مواد و روش‌ها: در اين مطالعه ما يك رويكرد جديد براي بررسي پيچيدگي سيگنال آشفته در كوتاه مدت و استفاده از اين روش براي بررسي پيچيدگي EEG ارائه خواهيم نمود. اين روش، مبتني بر مدل‌سازي سيگنال و مقايسه اين مدل با سيگنال واقعي است. اهميت اين روش توانايي آن در تخمين پيچيدگي سيگنال كوتاه مدت به ويژه در سيگنال‌هايي است كه پويايي آن‌ها به سرعت تغيير مي‌كند. يافته‌ها: براي بررسي كمي ميزان مناسب بودن روش ارائه شده، اين روش بر روي يك سيگنال EEG محاسبه شد و همچنين مقادير نماي لياپانف با دو روش Wolf و Rosenstein محاسبه شد و ميزان همبستگي مقدار به دست آمده از روش ارائه شده و دو نماي لياپانف محاسبه گرديد كه مشابهت اين مقدار با مقايسه با روش Wolf برابر با 90 درصد و با مقايسه با روش Rosenstein برابر با 83 درصد بود. استنتاج: روش ارائه شده مي‌تواند پيچيدگي سيگنال‌ها را در دوره‌هاي كوتاه مدت تخمين بزند. اين ويژگي كمي‌كننده كه براي سيگنال‌هاي كوتاه مدت كاربرد دارد اين ويژگي را براي بررسي تغييرات سريع و بررسي زماني اين تغيير قابل استفاده مي‌كند. اين كمي‌ساز همچنين مي‌تواند در بررسي سيگنال‌هاي آشوب‌گون ديگر نيز مورد استفاده قرار گيرد.