پردازش سيگنال EEG به منظور بررسي رابطه ميان درجه هيپنوتيزم‌پذيري؛ فعاليت نيم‌كره‌هاي مغزي و لوب‌هاي قدامي-خلفي در حالت هيپنوتيزم

پردازش سيگنال EEG به منظور بررسي رابطه ميان درجه هيپنوتيزم‌پذيري؛ فعاليت نيم‌كره‌هاي مغزي و لوب‌هاي قدامي-خلفي در حالت هيپنوتيزم

تحليل سيگنال‌هاي EEG نقش مهمي در زمينه‌هاي گسترده‌اي مانند بررسي داروهاي روان‌پزشكي، مطالعه در زمينه خواب، ثبت و تشخيص صرع و تحليل پديده هيپنوتيزم بازي مي‌كند. از سال‌ها پيش هيپنوتيزم به‌عنوان روشي موثر براي كمك به بيماران در زمينه‌هاي مختلف مانند كاهش اضطراب، ترك برخي عادات نادرست، كنترل درد و ... شناخته شده است. EEG حين هيپنوتيزم خالص و EEG در حالت نرمال و غيرهيپنوتيزم كاملاً با يكديگر تفاوت دارند. روش هاي مختلفي براي تحليل سيگنال EEG وجود دارند و روش شاخص شباهت فازي يكي از روش هاي شناخته شده در اين زمينه است. در اين مقاله، ويژگي‌هاي سيگنال EEG نيم‌كره‌هاي چپ-راست و لوب قدامي- خلفي در حالت هيپنوتيزم (ويژگي هاي فركتال، آنتروپي موجك، باندهاي فركانسي) كه متعلق به سه گروه با هيپنوتيزم‌پذيري پايين، متوسط و بالا، بودند استخراج شده و با استفاده از روش شاخص شباهت فازي، مورد بررسي قرار گرفتند تا مشخص شود كه آيا رابطه معناداري ميان فعاليت اين نيم‌كره‌ها در حالت هيپنوتيزم و درجه هيپنوتيزم‌پذيري افراد وجود دارد يا خير. در نهايت پس از تاييد وجود رابطه معنادار ميان سيگنال‌هاي نواحي مختلف، با استفاده از ويژگي‌هايي كه در مرحله قبل رابطه معناداري را نشان دادند، طبقه‌بندي اين گروه‌ها انجام شد. در واقع از ويژگي‌هايي كه در مرحله قبل پيش ايجاد تمايز ميان گروه‌هاي مختلف هيپنوتيزم‌پذيري را نشان دادند به عنوان ويژگي‌هاي طبقه‌بندي‌كننده استفاده شد تا بر اساس آن بتوان افراد را به سه دسته با قابليت هيپنوتيزم‌پذيري پايين، متوسط و بالا تقسيم كرد. بهترين نتيجه صحت طبقه‌بندي برابر با 94% (براي دو دسته ويژگي: 1. آنتروپي، هيگوچي، فركانس بالا و 2. انرژي، آنتروپي) و كمترين ميزان آن برابر با 5/87% (براي ويژگي‌هاي آنتروپي، هيگوچي و فركانس پايين)، به دست آمده است.

The analysis of EEG signals plays an important role in a wide range of applications, such as psychotropic drug research, sleep studies, seizure detection and hypnosis processing. From years ago hypnosis was known as a method to help the patients in different fields such as reduction of stress, leaving bad habits, pain control and etc. EEG signals during pure hypnosis would differ from those recorded in the normal no hypnotic conditions. There are several methods for analyzing the EEG signal and similarity index method is one of the famous methods in this branch. In this paper the features of EEG signal of three groups of people with different hypnotizability during hypnosis (Fractal, Wavelet Entropy, Frequency Bands) from left-right and frontal-back lobes were extracted and analyzed using Fuzzy Similarity Index Method to find whether there are any significant relations between the function of these hemispheres and hypnotizability degree. Finally after detecting the significancy, we used the selected features were used to classify the subjects into three groups of hypnotizability. The best classification accuracy was obtained 94% (for two classes of features 1. entropy, Higuchi, high frequency, 2. energy and entropy) and the lowest was 87.5% (for entropy, Higuchi and low frequency features).