۱۹۴۰۸پ
per
تشخیص و دسته‌بندی کودکان ADHD با استفاده از پارامترهای خطی سیگنالEEG
Diagnosis and classification of ADHD children with linear parameters of EEG signal
/پرنیان کاظمی
: پردیس
، ۱۳۹۷
، افشار
۷۰ص
چاپی - الکترونیکی
کارشناسی ارشد
مهندسی پزشکی گرایش بیوالکتریک
۱۳۹۷/۰۳/۲۹
تبریز
درایران به صورت کم توجهی/بیش فعالی ترجمه و تعریف می شود .تشخیص این بیماری در چند دهه اخیر موضوع قابل توجهی به شمار می‌صرود که هر از چند گاهی توسط پرسشنامه‌صهایی انجام می‌صشود که نتایج آن‌صها سندیت قابل اتکایی ندارد .مشکل اصلی حدودی، غیردقیق و غیر قابل استناد بودن تشخیص است که برای مقابله با این مشکل از EEG ضبط شده توسط الکترودها استفاده می‌صشود در این پایان‌صنامه از ۲۲ نفرعمل ثبت EEG صورت گرفته است، که از این ۲۲ نفر ۱۵ نفر دچار ADHD و ۷ نفرجز گروه کنترل هستند .هدف در این پایان‌صنامه طبقه بندی این بیماری توسط روش ماشین بردار پشتیبان و تشخیص آن توسط الکتروانسفالوگرافی، که روشی علمی برپایه سیگنال‌صهای مغزی است و در نهایت محاسبه‌صی صحت، اختصاصی بودن و حساسیت است .فرضیاتی که قبل از انجام این پروژه مفروض است، ایزوله بودن ثبت سیگنال EEG است تا اطلاعات توسط نویز آلوده نشوند .نرخ نمونه برداری در تمام افراد مورد آزمایش یکسان بوده (۲۵۶هرتز (و مدت زمان ثبت بیست دقیقه می‌صباشد (۱۰ دقیقه چشم باز و ۱۰ دقیقه به صورت چشم بسته .(بعد از عمل ثبت داده توسطEEG ، عمل فیلترینگ و حذف نویز بر روی سیگنال مورد نظر انجام گرفته است که از دو نوع فیلتر پایین‌صگذر و بالاگذر استفاده شده است که از آن به عنوان مرحله‌صی پیش پردازش یاد شده است .سپس ویژگی‌صهای مورد نظر از داده‌صهای مربوطه استخراج شده است که تعداد این ویژگی‌صها برای هر فرد ۱۱۴ می‌صباشد این ویژگی‌صها عبارت است از ۸ :ویژگی برای پارامتر وابستگی، ۱۹ ویژگی برای پنج باند آلفا، بتا، تتا، تتا نسبت به بتا و دلتا و ۱۱ ویژگی برای توان کل .در پایان، نتایج مشاهده شده بیانگر صحت ۸۰ درصدی، حساسیت ۶۷ درصدی و اختصاصی بودن ۱۰۰ درصدی است
Attention deficit/hyperactivity disorder is a complex brain disorder which is usually difficult to diagnosis. In most cases, ADHD is diagnosed by questionnaire, which has not any unfailing validity, so that, the main problem in this case is inexact and unreliable recognition. To this end, we proposed a new method based on EEG signal. Total number of 22 children as subjects have participated in this study, for which 15 of them are diagnosed as ADHD and the remaining 7 children are the normal group. The main goal in this thesis is the automatic classification of ADHD and normal children with support vector machine method. At the end, specificity, sensitivity and accuracy of the classification are calculated. Sample rate is the same in all cases (250 Hz) and the total time of the signal recording is 20 minutes for each person (10 minutes closed-eye and 10 minutes opened-eye). After the data acquisition process, the signal were filtered with 2 high-pass and low-pass filters. As a result, there are 114 extracted features for each person, consisting of 8 features for coherence, 19 features for 4 bands of power including alpha, beta, delta, theta, 19 features for theta to beta ration and 11 features for total power. Finally the accuracy of 80 , specificity of 100 and sensitivity of 67 are achieved
Diagnosis and classification of ADHD children with linear parameters of EEG signal
کاظمی، پرنیان
Kazemi, Parnian
سیاه و سفید
نمایه‌سازی قبلی
