تشخیص خودکار بیماران مبتلا به اختلال شناختی خفیف از روی سیگنال های الکتروانسفالوگرام با استفاده از تجزیه موجک بسته ای و الگوی فضایی مشترک

اختلال شناختی خفیف (Mild cognitive impairment) MCI، به عنوان مرحله ی ابتدایی بیماری آلزایمر شناخته می شود. این بیماری علائمی خفیف تر از بیماری آلزایمر دارد طوری که مشکلات جدی در اعمال و کارهای روزانه ایجاد نمی کند. به دلیل ماهیت و علائم خفیف اختلال شناختی خفیف، تشخیص این بیماری به مراتب دشوارتر از تشخیص آلزایمر است. با این حال تشخیص زودهنگام این بیماری، احتمال درمان آن را افزایش می دهد.

روش به کار گرفته شده، یک روش پردازشی پیشرفته با به کارگیری تبدیل موجک گسسته در پیش ردازش و استفاده از موجک بسته ای و  فیلترهای فضایی- طیفی در استخراج ویژگی از سیگنال های الکتروانسفالوگرام است. در این مطالعه از سیگنال های الکتروانسفالوگرام مربوط به 29 فرد بیمار و 32 فرد سالم استفاده شده است.

استفاده از ویولت بسته ای جهت استخراج زیر باندهای فرکانسی سیگنال الکتروانسفالوگرام موجب استخراج دقیق این زیرباندها شد به گونه ای که استخراج ویژگی با استفاده از ویژگی های استخراج شده توسط بانک فیلتر الگوی فضایی مشترک موجب افزایش دقت تشخیص افراد بیمار تا 100 درصد گردید.

این مطالعه با استخراج ویژگی های طیفی- فضایی از زیرباندهای فرکانسی سیگنال الکتروانسفالوگرام برآمده از ویولت بسته ای روشی جدید جهت تشخیص اختلال شناختی خفیف ارائه نمود. نتایج این مطالعه بر نقش استفاده از موجک بسته ای در تفکیک زیرباندهای فرکانسی و اعمال الگوی فضایی مشترک روی زیر باندهای فرکانسی برای استخراج ویژگی های موثر در تفکیک افراد سالم از مبتلایان به اختلال شناختی خفیف تاکید دارد.