عنوان

تشخیص خودکار بیماری آلزایمر با استفاده از پردازش سیگنال الکتروانسفالوگرام,‮‭Automatic Detection of Alzheimers Disease Using Electroencephalogram Signal Processing‬

Number

‭۲۲۵۶۷پ‬

.Language of Text, Soundtrack etc

per

Title Proper

تشخیص خودکار بیماری آلزایمر با استفاده از پردازش سیگنال الکتروانسفالوگرام

Parallel Title Proper

‮‭Automatic Detection of Alzheimers Disease Using Electroencephalogram Signal Processing‬

First Statement of Responsibility

/امیررضا آسایش

Name of Publisher, Distributor, etc.

: پردیس

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۹‬

Name of Manufacturer

، راشدی

Specific Material Designation and Extent of Item

‮‭۶۹‬ص‬

Text of Note

چاپی - الکترونیکی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی‌پزشکی

Date of degree

‮‭۱۳۹۹/۰۲/۱۴‬

Body granting the degree

تبریز

Text of Note

بیماری آلزایمر یک اختلال مغزی می‌صباشد که با زوال عقل تصاعدی مشخص می‌صگردد .آلزایمر یک بیماری بسیار پر هزینه در جامعه امروز می‌صباشد و با کاهش شناختی مغز و اختلالات رفتاری در فرد مشخص می‌صگردد .به همین دلیل بهتر است این بیماری در مراحل اولیه تشخیص داده شود .زیرا به بیماران و همچنین بستگان بیمار کمک می‌صنماید تا اقدامات احتیاطی مربوطه را انجام دهند .الکتروانسفالوگرافی ابزاری مفید و با وضوح عالی برای تشخیص عملکرد شناختی مغز در افراد سالم و سالخورده می‌صباشد .الکتروانسفالوگرافی می‌صتواند به عنوان یک ابزار استاندارد برای تشخیص بیماری آلزایمر مورد استفاده قرار گیرد .در تجزیه و تحلیل امواج الکتروانسفالوگرافی افرادی که از بیماری آلزایمر رنج می‌صبرند، نارسایی‌صهای مختلفی یافت می‌صشود .در نتیجه بیماری آلزایمر را می‌صتوان در مراحل اولیه تشخیص داد .نقش آنالیز الکتروانسفالوگرام در تشخیص و تحقیقات بالینی آلزایمر در دهه‌صهای اخیر ضروری‌صتر شده است .در حال حاضر مهم‌صترین وظیفه تشخیص بیماری آلزایمر، تشخیص زودهنگام آن در مراحل اولیه می‌صباشد .یکی از موارد مورد نیاز افزایش صحت تشخیص در الکتروانسفالوگرافی است .در این پژوهش با ثبت امواج الکتروانسفالوگرافی در حالت استراحت، بدون هرگونه تحریک و تکلیف، و سپس پردازش آن‌صها، به پیش‌صبینی بیماری آلزایمر در افراد می‌صپردازیم .این تشخیص بر اساس ویژگی‌صهای خطی در امواج الکتروانسفالوگرافی می‌صباشد .بدین صورت که امواج ثبت شده، پس از انجام پیش‌صپردازش‌صهای مشخص از قبیل فیلترهای بالاصگذر و پایین‌صصگذر و استخراج ویژگی با استفاده از تبدیل موجک، و سپس طبقه بند ماشین بردار پشتیبان، به دو گروه کنترل سالم و بیماران مبتلا به آلزایمر طبقه‌صبندی می-گردند .صحت بدست آمده در این طبقه‌صبندی ‮‭۸۹‬ درصد بوده و پیش‌صبینی می‌صگردد با استفاده از روش پیشنهادی و تحلیل امواج الکتروانسفالوگرام، نتایج بدست آمده در تشخیص زودهنگام بیماری آلزایمر مؤثر باشند و گامی در جهت تشخیص و درمان زودهنگام و پیشگیری از پیشرفت این بیماری صورت بپذیرد

Text of Note

Alzheimer's disease is a brain disorder characterized by progressive dementia. Alzheimer's disease is a very costly disease in today's society and is characterized by cognitive decline in the brain and behavioral disorders. Therefore, it is better to diagnose this disease in the early stages. Because it helps patients as well as relatives to take appropriate precautions. Electroencephalography is a useful and excellent tool for diagnosing brain cognitive function in healthy and elderly people. Electroencephalography can be used as a standard tool for diagnosing Alzheimer's disease. There are various deficiencies in the analysis of electroencephalographic waves in people suffering from Alzheimer's disease. As a result, Alzheimer's disease can be diagnosed in the early stages. The role of electroencephalogram analysis in the diagnosis and clinical research of Alzheimer's has become more important in recent decades. Currently, the most important task in diagnosing Alzheimer's disease is to diagnose it in early stages. One of the requirements is to increase the accuracy of the diagnosis in electroencephalography. In this study, we record the prognosis of Alzheimer's disease in individuals by recording electroencephalographic waves at resting state, without any stimulation or task, and then processing them. This diagnosis is based on linear features in electromagnetic waves. Thus, the recorded waves, after performing specific pre-processing such as high-pass and low-pass filters and feature extraction using wavelet conversion, and then the support vector machine classifier, data were classified into two groups of healthy control and Alzheimer's patients. The accuracy of this classification is 89 and it is predicted that using the proposed method and analysis of electroencephalogram waves, the obtained results will be effective in early diagnosis of Alzheimer's disease and a step towards early diagnosis and treatment and prevention of progression of this disease

Parallel Title

‮‭Automatic Detection of Alzheimers Disease Using Electroencephalogram Signal Processing‬

آسایش، امیررضا

Asayesh, Amirreza

Public note

سیاه و سفید

نمایه‌سازی قبلی