11680

بررسي رو شهاي يادگيري ماشين در پردازش سيگنا لهاي EEG به منظور تشخيص بيمار يهاي روان

1400

دكتر مخمدرضا دليري

دكتر عباس عرفانيان

يادگيري ماشين امروزه به يكي از ابزارهاي بسيار قدرتمند به خصوص در زمينه هاي پزشكي و تشخيص بيماري ها بدل گرديده اس ت. اين فناوري به سرعت در حال تحول است كه مزاياي خاص و چالشهاي منحصر به فردي دارد. اعمال روش هاي يادگيري ماشين بر سيگنال هاي مغزي EEG مي تواند در روند تشخيص بيماري هاي اعصاب و روان بسيار اثر گذار باشد و حتي به تنهايي به عنوان يك ابزار تشخيصي به كار رود. افزايش دقت سيستم هاي موجود تشخيصي و سرعت آن دلايلي از موثر بودن اين روش ها به شمار مي روند. روانپزشكي/روانشناسي باليني براساس مشاهدات و گزارشهاي خود بيماران، تشخي صهايي را ميگذارند. اما امروزه در كلينيكهاي اعصاب و روان ميتوان از سيگنال EEG براي تشخيص احتمالي و بعضاً قطعي اين دسته از بيماريها استفاده كرد. از مزيت هاي سيگنال EEG نيز ميتوان به ارزان و در دسترس بودن آن و همچنين به عنوان يك روش غير تهاجمي به منظور ثبت فعاليت هاي مغزي اشاره كرد. در سال هاي اخير استفاده از سيگنال EEG در تحقيقات و تشخيص بيماري هاي مختلف اعصاب از جمله آلزايمر، صرع، اسكيزوفرني، دوقطبي، وسواس اجباري و ... افزايش يافته است. اين سيگنال اطلاعات پيچيده اي از مغز را نمايش مي دهد كه شامل مقدار قابل توجهي از داده ها است.

11/23/2022 12:00:00 AM

77591

1401/10/27

machine learning approaches for EEG processing for mental disorders

يادگيري ماشين , يادگيري عميق , سيگنال EEG , شبكه هاي عصبي مصنوعي , رابط مغز و رايانه

machine learning , deep learning , mental disorders , artificial neural network