تشخيص بيماري آلزايمر با استفاده از سيگنال‌هاي مغزي و شبكه‌هاي عصبي مصنوعي

مقدمه: تعداد غيرمنتظره‌اي از افراد در معرض خطر ابتلا به بيماري آلزايمر قرار دارند. بنابراين، تلاش براي يافتن اقدامات پيشگيرانه موثر، شديداً نياز است. مواد و روش‌ها: براي تشخيص بيماري آلزايمر از طريق سيگنال‌هاي EEG با استفاده از شبكه عصبي مصنوعي، اولين مرحله شامل پيش‌پردازش داده‌هاي خام ثبت شده EEG است. اين پيش‌پردازش شامل استفاده از فيلتر ميانگذر 0/5 تا 45 هرتز براي حذف تداخل سيگنال‌هاي الكتريكي برق شهر است. پس از  پيش‌پردازش داده، ويژگي استخراج خواهد شد. اين ويژگي‌ها مربوط به حوزه‌هاي زمان و فركانس است. تبديل فوريه، آناليز موجك، تحليل مولفه اول، ويژگي‌هاي غيرخطي آنتروپي، بعد همبستگي و بعد فركتال از جمله ويژگي‌هاي پيشنهادي هستند. ويژگي‌هاي استخراج شده با آناليز واريانس يا آزمون تي مورد ارزيابي قرار خواهند گرفت. ويژگي‌هايي كه توانايي تفكيك طبقات مختلف را داشتند و توزيع آماري بهتري در آناليز واريانس يا آزمون t داشتند انتخاب مي‌شوند. يافته‌ها: با توجه به قابليت‌هاي شبكه عصبي مصنوعي در شناسايي الگوهاي مختلف و دسته‌بندي اطلاعاتي كه طي يك فرآيند يادگيري تنظيم مي‌شود، در اين تحقيق از شبكه عصبي مصنوعي براي تعيين نقشه‌برداري غيرخطي بين سيگنال‌هاي EEG و تشخيص بيماري آلزايمر استفاده مي‌شود. پايگاه داده به دو دسته آموزشي و آزمايشي تقسيم شد. به عبارت ديگر شبكه عصبي مصنوعي با مشخصات سيگنال‌هاي ثبت شده به عنوان ورودي، بيمار يا سالم به عنوان خروجي شبكه عصبي و در نهايت خروجي شبكه عصبي مصنوعي آموزش ديده تشخيص داده‌هاي بيمار يا سالم است. در مرحله نهايي، عملكرد شبكه عصبي توسعه يافته مورد ارزيابي و مقايسه قرار خواهد گرفت. نتيجه‌گيري: استفاده از سيگنال‌هاي EEG و شبكه‌هاي عصبي مصنوعي مي‌تواند روشي نوين براي تشخيص بيماري آلزايمر در مراحل اوليه آن باشد.