طراحی و پیاده سازی یک سیستم تشخیص خودکار اختلال دوقطبی مبتنی بر سیگنال های مغزی

تشخیص صحیح بیماری اختلال دوقطبی به مهارت و تجربه بالای روان پزشک نیاز دارد و در بسیاری موارد شباهت های موجود در علائم منجر به تشخیص نادرست و حادتر شدن بیماری می شود. هدف این پژوهش استفاده از سیگنال های مغزی در زمینه تشخیص موثر این بیماری است.
مواد و روشها: مطالعه بر روی 12 فرد سالم و 12 فرد مبتلا به اختلال دوقطبی انجام شده است و سیگنال های الکتریکی مغز بر اساس استاندارد 20-10 و به صورت 16 کاناله ثبت شده است. با توجه به نتایج به دست آمده توسط سایر گروه های تحقیقاتی، این مطالعه بر روی سیگنال های الکتریکی کانال های F3، F4، P3، P4، T3، T4، O1 و O2 انجام شده است. دسته ویژگی های انرژی کل سیگنال و انرژی باندهای فرکانسی، فرکانس مرکزی، فرکانس ماکزیمم، ضرایب (AR یا Autoregressive) و توصیف های جورث از سیگنال های دریافتی استخراج شده و بر اساس این ویژگی ها افراد سالم و بیمار از طریق شبکه های عصبی پس انتشار و شعاع مبنا تفکیک شده اند.
در بررسی دقیق ویژگی های استخراج شده می توان مشاهده نمود که ویژگی هایی چون فرکانس ماکزیمم، توان باند theta، تحرک و ضرایب AR مختلف می تواند مرجع مناسبی برای جداسازی گروه سالم از بیمار باشد.
در فرایند تشخیص خودکار، طبقه بندی کننده شعاع مبنا 3/87% و طبقه بندی کننده پس انتشار 7/94% قدرت تفکیک صحیح را دارا می باشند و براساس این نتایج می توانیم با صحت قابل قبولی افراد مبتلا به اختلال دوقطبی را از افراد سالم تشخیص دهیم.