Bagherzadeh S, Maghsoudi A, Shalbaf A. Detection of schizophrenia patients using convolutional neural networks from brain effective connectivity maps of electroencephalogram signals. Tehran Univ Med J 2022; 79 (10) :754-763
URL:
http://tumj.tums.ac.ir/article-1-11465-fa.html
باقرزاده سارا، مقصودی آرش، شالباف احمد. تشخیص بیماران اسکیزوفرنی با استفاده از شبکههای عصبی کانولوشنی از تصاویر
ارتباطات موثر مغزی سیگنالهای چندکاناله الکتروانسفالوگرام. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1400; 79 (10) :754-763
URL: http://tumj.tums.ac.ir/article-1-11465-fa.html
1- گروه مهندسی پزشکی، دانشکده علوم و فناوریهای پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2- گروه مهندسی و فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. ، Shalbaf@sbmu.ac.ir
چکیده: (1718 مشاهده)
زمینه و هدف: اسکیزوفرنی یک اختلال روانی است و به شدت بر ادراک و روابط فردی تأثیر میگذارد. در حال حاضر تشخیص این بیماری با استفاده از تستهای شناختی توسط روانپزشک انجام میشود که به شدت به تجربه و دانش وی وابسته است. هدف از این مطالعه طراحی یک چارچوب کاملاً خودکار برای تشخیص اسکیزوفرنی از روی سیگنال الکتروانسفالوگرام با استفاده از ارتباطات موثر مغزی و روشهای یادگیری عمیق است.
روش بررسی: در این مطالعه تحلیلی که از فروردین تا مهر 1400 در تهران به طول انجامیده است، سیگنالهای الکتروانسفالوگرام 19 کاناله از 14 بیمار مبتلا به اسکیزوفرنی و 14 فرد سالم ثبت و پیشپردازش شده است. سپس، معیار ارتباطات موثر با استفاده از روش آنتروپی انتقالی، از سیگنالهای الکتروانسفالوگرام تخمین زده شده و یک ماتریس ارتباطات نامتقارن 19×19 ساخته شده و با یک نقشه رنگی بهعنوان یک تصویر نشان داده میشود. سپس این تصاویر ارتباطات موثر بهعنوان ورودی پنج شبکه عصبی کانولوشنی الکسنت، رزنت-50، شافلنت، اینسپشن و ایکسپشن برای تشخیص بیماران اسکیزوفرنی استفاده میشوند.
یافتهها: نتایج مطالعه نشان داده است، بالاترین میانگین صحت و نمره F برای طبقهبندی دو کلاس اسکیزوفرنی و سالم با استفاده از تصاویر مذکور از مدل شبکه اینسپشن، با مقادیر بهترتیب برابر با 52/96% و 89/95% در ارزیابی مستقل از فرد و 51/98% و 51/98% در ارزیابی متقابل با 10 دسته بهدست آمده است.
نتیجهگیری: با اتکا به نتایج بهدست آمده، مدل جدید ارایه شده میتواند کمک شایانی به روانپزشکان در تشخیص دقیق افراد اسکیزوفرنیا داشته باشد و احتمال خطا و بدنبال آن درمان نامناسب را کاهش دهد.