عنوان

تشخیص بیماری پارکینسون با استفاده از تحلیل الکتروانسفالوگرام در یک تکلیف یادگیری-تقویتی

کد کشور

IR

شماره

۴۶۲۳پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

تشخیص بیماری پارکینسون با استفاده از تحلیل الکتروانسفالوگرام در یک تکلیف یادگیری-تقویتی

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Parkinsons disease detection using electroencephalogram analysis in a reinforcement-learning task

نام نخستين پديدآور

/یاسمین اعزازی

نام ناشر، پخش کننده و غيره

: مهندسی پزشکی

تاریخ نشرو بخش و غیره

، ۱۴۰۱

نام خاص و کميت اثر

۱۰۵ص.

ساير جزييات

:

متن يادداشت

زبان: فارسی

متن يادداشت

زبان چکیده: فارسی

متن يادداشت

چاپی - الکترونیکی

متن يادداشت

مصور، جدول، نمودار

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی پزشکی- بیوالکتریک

زمان اعطا مدرک

۱۴۰۱/۰۶/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

در سال‌های اخیر با توجه به افزایش سن جمعیت جهان و افزایش امید به زندگی، نرخ وقوع بیماری-های مزمن و حاد کهنسالی بیشتر شده است .بیماری پارکینسون یکی از مهم‌ترین بیماری‌های مخرب عصبی است که به دلیل انحطاط سلول‌های عصبی دوپامینرژیک در جسم سیاه مغز رخ می‌دهد .نظر به اینکه این بیماری درمان مشخص ندارد و علائم در گذر زمان شدیدتر می‌شود، بنابراین تشخیص کلینیکی و به موقع آن به یکی از چالش‌های اصلی در مطالعات بالینی تبدیل شده است .از این رو در این پایان‌نامه سه روش کارآمد و قابل‌اعتماد با هدف تشخیص بیماری پارکینسون و به تبع آن ارائه راهکارهای کنترلی بهتر برای بهبود کیفیت زندگی بیماران پیشنهاد شده است .این روش‌های پیشنهادی براساس استخراج ویژگی‌های فرکانسی مبتنی بر تبدیل والش هادامارد و تحلیل کپستروم است .علاوه بر این، نمایش‌های زمان - فرکانس براساس تبدیل فشرده‌ی همزمان مبتنی بر تبدیل فوریه و روش‌های تحلیل بافت در کنار روش‌های طبقه‌بندی مانند ماشین بردار پشتیبان، K نزدیک-ترین همسایگی، شبکه عصبی پیش‌خور آبشاری، تحلیل افتراقی خطی و کم‌ترین مربعات غیرمنفی تنک بکار گرفته شده‌اند .در این مطالعه، قابلیت روش‌های پیشنهادی با استفاده از سیگنال‌های الکتروانسفالوگرام ۲۸ فرد سالم و ۲۸ بیمار مبتلا به پارکینسون در دو حالت مصرف دارو و ترک مصرف آن در حین انجام تکلیف یادگیری-تقویتی مورد ارزیابی قرار گرفته است .نتایج نشان داده‌اند که الگوریتم‌های پیشنهادی با صحت ۹۹/۹۸، ۹۹/۹۰ و ۹۹/۸۹ درصد قابلیت تشخیص بیماران مبتلا به پارکینسون از افراد سالم را با استخراج اطلاعات مرتبط با پاداش مثبت فراهم کرده‌اند .این روش‌ها می‌توانند راه‌حل جدیدی برای آشکارسازی تغییرات پاداش مثبت در بیماری پارکینسون ارائه دهند و می‌توانند مزایای پایدار واضحی را در چندین متغیر تکنیکی و بالینی مانند وضعیت دارویی و کاهش تعداد کانال‌ها ارائه دهند که یک سیستم تشخیص قابل تعمیم را پیشنهاد می‌دهد .

متن يادداشت

In recent years, due to the increasing life expectancy and the age of the world's population, the incidence rate of chronic and acute diseases in elderly patients has been increased. Parkinsons disease (PD) is one of the most important of neurodegenerative ones, which occurs due to the degeneration of dopaminergic nerve cells in the substantia nigra of the brain. As there is no specific treatment for this disease and the symptoms become more severe over time, clinical and timely diagnosis has become one of the main challenges in medical studies. Therefore, in this work, three efficient and reliable methods have been proposed for PD detection, which provides better control strategies to improve the quality of patients' life. These methods are based on frequency features extracted from Walsh Hadamard transform and Cepstrum analysis. Furthermore, an enhanced time-frequency representation based on Fourier Synchrosqueezing transform and textural analysis along with several classification methods, such as support vector machine, K nearest neighbor, cascade forward neural network, linear discriminant analysis, and sparse non-negative least squares have been employed. In this study, the ability of the proposed methods has been evaluated using electroencephalogram signals of 28 healthy control individuals and 28 patients with PD in both ON and OFF medication states during the reinforcement learning task. The results have shown that the algorithms with 99.98 , 99.90 , and 99.89 accuracy could detect Parkinsons disease by extracting related information to reward positivity. They can provide a new solution to detect reward positivity changes in PD and can offer obvious stability advantages on several clinical and technical variables like medication states and reduced channels, suggesting a generalizable detection system.

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Parkinsons disease detection using electroencephalogram analysis in a reinforcement-learning task

موضوع مستند نشده

بیماری پارکینسون

موضوع مستند نشده

تکلیف یادگیری-تقویتی

موضوع مستند نشده

نشانگر پاداش مثبت

موضوع مستند نشده

تبدیل والش هادامارد

موضوع مستند نشده

تحلیل کپستروم

موضوع مستند نشده

تبدیل فشرده‌ی همزمان مبتنی بر تبدیل فوریه

اصطلاح موضوعی

Parkinsons Disease, Reinforcement-Learning Task, Reward Positivity biomarker, Walsh Hadamard Transform, Cepstrum Analysis, Fourier Synchrosqueezing Transform

اصطلاح موضوعی

بیماری پارکینسون، تکلیف یادگیری-تقویتی، نشانگر پاداش مثبت، تبدیل والش هادامارد، تحلیل کپستروم، تبدیل فشرده‌ی همزمان مبتنی بر تبدیل فوریه

مستند نام اشخاص تاييد نشده

اعزازی، یاسمین

مستند نام اشخاص تاييد نشده

قادریان، پیوند، استاد راهنما

کشور

ایران

تاريخ عمليات

20230617

شماره بازیابی

پزشکی.م ،۱۰۰۷۰ ،۱۴۰۱

نام ميزبان

ی‌ریگدای‍ ف‌یلکت‍ ک‌ی‍ رد م‌ارگولافسناورتکلا ل‌یلحت‍ زا ه‌دافتسا اب‍ ن‌وسنیکراپ‍ ی‌رامیب‍ ص‌یخشت‍-ی‌تیوقت‍.pdf

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

6140.pdf

تاريخ و ساعت مذاکره و دسترسي

pm10070.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۴۶۲۳

يادداشت عمومي

فارسی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

pe

نوع ماده

TF

کد کاربرگه

92029

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y