تشخیص زودهنگام بیماری آلزایمر با استفاده از تحلیل زمان، فرکانس EEG و ERP

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تشخیص زودهنگام بیماری آلزایمر با استفاده از تحلیل زمان، فرکانس EEG و ERP دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص زودهنگام بیماری آلزایمر با استفاده از تحلیل زمان، فرکانس EEG و ERP  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تشخیص زودهنگام بیماری آلزایمر با استفاده از تحلیل زمان، فرکانس EEG و ERP،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تشخیص زودهنگام بیماری آلزایمر با استفاده از تحلیل زمان، فرکانس EEG و ERP :

تعداد صفحات :۱۷

چکیده مقاله:

براساس بررسی های انجام شده و مطالعه بر روی افراد مسن با هدف و انگیزه طراحی و ارایه یک سیستم جهت تشخیص و شناسایی بیماران آلزایمر مرحله خفیف از افراد سالم سالمند بوده به کمک ویژگی های خطی و غیرخطی سیگنال های مغزی با توجه به ویژگی های سیگنال EEG و نحوه ارتباط این بیماری با ویژگی های مختلف در سیگنال مغزی می توان با پردازش مناسب، این بیماری را در مراحل اولیه تشخیص داد. ثبت سیگنال مغزی در سه کانال Pz,Cz,Fz و در چهار حالت چشم بسته، چشم باز، یادآوری و تحریک انجام می شود. با توجه به پروتکل ثبت شده، در دوره یادآوری به مدت ۶۰ ثانیه به ثبت سیگنال در خلال یادآوری تصاویر توسط شخص موردنظر و در دوره تحریک با توجه به نمونه ای که شنیده شده بود توسط شخص، نحوه پاسخگویی سوژه به صدای هدف مورد بررسی قرار گرفته می شود. پس از آن پردازش هایی در حوزه زمان و فرکانس از جمله تعیین ویژگی های آماری، همبستگی، آنالیز طیفی و استخراج انواع ویژگی های غیرخطی همچون نمای لیاپانوف، بعد همبستگی و آنتروپی با توجه به ماهیت غیرخطی و آشوبگونه سیگنال های مغزی، صورت گرفته. در انتها توسط روش آنالیز واریانس به استخراج ویژگی های بهینه پرداخته شده و دو طبقه بندی کننده LDA و شبکه عصبی Elman بکار گرفته شده است. طبق نتایج معلوم شد که صحت نتایج کانال Pz و حالت تحریک در مقایسه با کانال ها و حالت های دیگر بیشتر می باشد. صحت نتایج کانال Pz در دوره یادآری و تحریک با ویژگی های منتخب الگوریتم ژنتیک توسط تفکیک کننده خطی به ترتیب ۶۵ ۳% و ۶۸ ۴% و در شبکه عصبی حاوی صحت تفکیک ۹۲ ۳% و ۹۴ ۱ می باشند.