عنوان
ثبت سيگنالهاي مغزي موش مبتلا به اعتياد به منظور استخراج و طبقهبندي ويژگيهاي غيرخطي آشوبناك
نويسنده اصلي
محمدي، الهام
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي پزشكي
مقطع تحصيلي
كارشناسي ارشد
چكيده
اعتياد يك بيماري روانشناختي است كه باعث ايجاد آسيبهاي شناختي مغز و اختلال در عملكرد آن ميشود. از آنجا كه بيماران معتاد، علاوهبر وابستگي جسمي، مشكلات روحي زيادي دارند، بايد روشهاي تشخيص اعتياد براي آنها با دقت كافي انجام شود. تستهاي اعتياد در انواع مختلفي چون آزمايش ادرار، پلاسماي خون و بزاق ارائه ميشوند. از آنجا كه اكثر بيماران مبتلا به اعتياد هنگام انجام آزمايش تشخيصي سعي در پنهانكردن اين موضوع دارند، استفاده از سيگنالهاي مغزي ميتواند جايگزين مناسبي براي تست تشخيص اعتياد باشد. هدف اين پژوهش بررسي و استخراج ويژگي متمايزكننده گروه موشهاي سالم از گروه موشهاي معتاد به مورفين با استفاده از الگوريتمهاي يادگيري ماشين است. براي نيل به اين هدف 12 سر موش نر در محيط آزمايشگاهي جراحي شده و مراحل كاشت الكترود و معتاد كردن آنها انجام شد. براي بررسي دادههاي مغزي، سيگنال EEG يكبار پيش از اعتياد و يكبار پس از اعتياد از روي جمجمه موشها اخذ شد. بعد از پيشپردازش اوليه سيگنال شامل حذف نويز برق شهر، حذف ميانگين، كاهش نرخ نمونهبرداري و حذف آرتيفكتهاي حركتي، عمليات پنجرهگذاري انجام شد. سپس استخراج ويژگيهايي مثل توان زير باندهاي فركانسي (توان زير باندهاي دلتا، آلفا، بتا، تتا و گاما) و ويژگيهاي غيرخطي شامل نماي لياپانوف ، آنتروپي و بعد فركتال انجام شد. بعد از اينكه سيگنالها با بُعد جاسازي و زمان تاخير مناسب، از حوزه زمان به فضاي فاز منتقل شدند، ويژگيهاي آشوبناك از جمله چگالي نقاط بازگشتي، طول متوسط خطوط قطري، افقي و عمودي استخراج شد.در نهايت ارزيابي نتايج الگوريتمهاي KNN، SVM و DT نشان داد قدرت تفكيك 4 ويژگي (شامل چگالي طيف توان زير باند گاما، ميانگين طول خطوط قطري، بعد فركتال هيگوچي وLaminarity) در حد قابل قبولي است. در اين بين، ويژگي "ميانگين طول خطوط قطري" توسط الگوريتم KNN با نتيجه ميانگين دقت 61/84 و ميانگين صحت 30/84 و ميانگين حساسيت 93/84 عملكرد بهتري در تمايز موش هاي سالم و معتاد داشته است.
شماره ركورد
223199
گرايش رشته تحصيلي
بيوالكتريك
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان