Page 20 - Winter 1403
P. 20
در پهنا باند فرکانسی مرتبط با تشنج ،انرژی متعارف تشخیص تشنج صرعی است. درگیر می‌کند.
سیگنال در سه بازه تتا ( 4تا 8هرتز) آلفا ( 8تا 12
هرتز) وبتا ( 12تا 40هرتز) قرار دارد .همچنین از در این رویکرد متخصصان سیگنا لهای EEGرا تشنج جزئی با تخلیه الکتریکی در یک ناحیه
آنجایی که در حوزه صرع فرکانس های بالاتر از
جمله بازه فرکانس برق شهری ( 50تا 60هرتز) برای شناسایی الگویی که نمایانگر تشنج است محدود از مغز شروع م یشود.
مورد استفاده نیستند ،نیازی به حذف فرکانس
تحلیل می‌کنند .این فرایند سخت و زما نبر صرعی که در آن تشنج از دو طرف مغز به طور
برق شهری از سیگنا لها نمی باشد
استخراج ویژگ یها :شناسایی ویژگ یهای مهم از است و به تجربه بالایی نیاز دارد .به‌منظور ه مزمان شروع م یشود ،صرع عمومی اولیه
سیگنال EEGمانند دامنه ،فرکانس ،و الگوهای
زمانی که م یتوانند نشان‌دهنده تشنج باشند. رفع محدودی تها و موانع مذکور ،تا کنون نامیده م یشود .عوامل ارثی در صرع عمومی
تحلیل و طبقه‌بندی :استفاده از الگوریت مهای
یادگیری ماشین یا رو شهای آماری برای پژوه شهای متعددی با انتخاب دستی ویژگ یها جزئی مهم هستند که بیشتر از عوامل ژنتیکی
طبقه‌بندی سیگنا لها به حال تهای نرمال و
سعی بر تشخیص خودکار تشنج از سیگنا لهای ناشی م یشوند .برخی از تشن جهای جزئی
تشنجی.
برای کاهش پیچیدگی شبکه عصبی ،نیاز EEGداشت هاند و مد لهای ارائه شده در اکثر مربوط به آسیب سر ،عفونت مغزی ،سکته
است که موقعیت مکانی الکترودها روی یک
پژوه شها بر اطلاعات طیفی سیگنا لها مغزی یا تومور هستند؛ اما در بیشتر موارد
صفح هتصویر شود
تأیید بالینی :بررسی نتایج توسط متخصصین تکیه دارند ،حال‌آنکه در برخی از پژوه شها ناشناخته هستند .یکی از سؤالاتی که برای
برای تأیید تشخیص و تصمیم‌گیری درباره
از وابستگی زمانی سیگنا لها استفاده شده طبق هبندی تشن جها استفاده م یشود این است
درمان مناسب.
رو شهای پیشرفته‌تر ممکن است شامل استفاده است .نتیج هها نشان م یدهد که پدیده صرع که آیا هوشیاری (توانایی پاسخگویی و به‌خاطر
از شبک ههای عصبی عمیق یا مد لهای یادگیری
پدید های بسیار متغیر است و علاوه بر اینکه سپردن) مختل شده یا حفظ م یشود.
عمیق برای بهبود دقت تشخیص باشند.
جهمدع‌بفن ادز اییوننتپیژوجهه‌گیشر ،ایرائ ٔه چارچوبی تحلیلی سیگنا لهای نمایانگر تشن جهای صرعی در تشخیص
بر مبنای مفاهیم برآمده از حوز ٔه اتصالات مغزی
برای پی شبینی وقوع حملات تشنج در بیماران میان بیماران مختلف الگو متفاوتی دارند، رو شهای مختلفی برای تشخیص تشنج صرع
مبتلا به صرع بوده است .در روش ارائه شده،
پس از پیش‌پردازش‌هایی شامل تغییر سیستم تشن جهای یک بیمار واحد نیز دارای الگوهای ارائه شده است ،از جمله رو شهای بالینی و
مرج عگذاری ،از معیار علیت گرنجر در حوز ٔه
فرکانس برای سنجش ه مزمانی میان زوج غیریکسان و متفاوتی هستند .ب هعلاوه تفاوت رو شهای تصویربرداری عصبی که در میان آنها
کانال‌های EEGاستفاده می‌گردد. الگوها هنگام حمله صرعی است ،بنابراین رو شهای تصویربرداری عصبی به طور گسترده
منابع: تشنج چالش بیشتری نسبت به تشخیص تشنج توسط پزشکان استفاده م یشود به‌طورکلی،
A Method for Epileptic Seizure Detection
�in EEG Signals Based on Tunable Q-Fac دارد. رو شهای تصویربرداری عصبی به رو شهای
tor Wavelet Transform Method Using
Grasshopper Optimization Algorithm یکی از چال شهای دیگر پیش‌بینی تشنج، عملکردی و ساختاری طبق هبندی م یشوند
�with Support Vector Machine Classifi
er/Anis Malekzadeh, Assef Zare, Mahdi کمبود داد ههای با برچسب‌گذاری مناسب و ثبت سیگنا لهای الکتروانسفالوگرافی یک
Yaghoubi, RohullahAlizadeh Sani
�Effect of filtering with time domain fea است ،چرا که اکثر مجموعه‌داد ههای حوزه روش تشخیص تشنج صرع بر اساس رو شهای
�tures for the detection of epileptic sei
zure from EEG signals Sharmila & P. تشنج ،سیگنا لها را در دو کلاس تشنج و تصویربرداری عصبی عملکردی است.
Geethanjali
�Epileptic Seizure Prediction from Spec نرمال کلا سبندی کرد هاند ،حال‌آنکه به‌منظور سیگنا لهای الکتروانسفالوگرافی اطلاعات
tral, Temporal, and Spatial Features of
�EEG Signals Using Deep LearningAlgo پیش‌بینی تشنج به کلاس سومی با عنوان پیش ضروری را از محل تشنج صرع ارائه می‌دهند که
�rithms Nazanin Mohammad Khani Ghi
asvand, Fuad Ghaderi از تشنج نیز نیاز است .این در حالی است که به پزشکان کمک م یکند تا تشن جهای صرعی
متخصصان هنوز برای تعریف و تعیین الگو این را بادقت بالاتر تشخیص دهند .تشخیص
بازه در سیگنا لهای EEGبه اجماع نرسید هاند. تشن جهای صرع از طریق سیگنا لهای
از چال شهای دیگر این حوزه می‌توان به الکتروانسفالوگرافی کاری چال شبرانگیز
جانمایی الکترودهای EEGروی پوست سر نسسیبگت ًاناز‌لیاهدایی برای پزشکان متخصص ً است
الکتروانسفالوگرافی با پیچیدگی
اشاره کرد .الکترودهای مذکور بر روی سر که
سطحی 3بعدی است ،قرار میگیرند .حفظ و همراه هستند و برای تشخیص صحیح ،چالش
بهره گیری از موقعیت مکانی الکترودها ،امکان و دشواری ایجاد می‌کنند .برای ناساس ،با
تشخیص نوع تشنج و همچنین تعیین کانون استفاده از روش هوش مصنوعی ،هدف
تشنج در تشن جهای کانونی را فراهم می‌کند .اما محققان تشخیص زودهنگام تشن جهای صرع از
سه بعدی بودن مختصات مذکور ،باعث افزایش طریق سیگنا لهای الکتروانسفالوگرافی است.
شدید بار پردازشی شبکه عصبی می گدد. تشن جهای صرع با استفاده از یادگیری ماشینی
در اکثر پژوهشهای پیشین ،برای جلوگیری از و یادگیری عمیق انجام م یشوند که از جمله
افزایش بار پردازشی ،موقعیت مکانی الکترودها تکنیک‌های هوش مصنوعی هستند
به کلی نادیده گرفته شده و تنها به اطلاعات در صورت شناسایی صحیح کانون تشنج در
طیفی و زمانی سیگنا لهای EEGبسنده شده مغز بیمار ،می‌توان شدت بیماری را با عمل
است. جراحی کاهش داد .با درنظرداشتن تأثیری که
امزعرموول ًیا به‌طورکلی تشخیص تشن جهای صرعی حملات پیاپی تشنجی بر زندگی روزمره بیماران
سیگنال ( EEGالکتروانسفالوگرافی)
دارد ،پیش‌بینی تشنج امکان اجرای اقدامات
شامل مراحل زیر است: مراقبتی پیش از تشنج را فراهم ساخته و کیفیت
جمع‌آوری داد هها :ثبت سیگنا لهای EEG زندگی بیماران را به میزان قابل‌توجهی افزایش
از بیمار در طول زمان ،ب هویژه در دور ههایی که م یدهد .از سوی دیگر توسعه سیست مهای
احتمال وقوع تشنج وجود دارد. تشخیص خودکار تشنج ،منجر به تسریع در
پی شپردازش داد هها :حذف نویز و تداخلات آگاهی از وضعیت بیماران و رسیدگی به آنها
محیطی از سیگنا لها با استفاده از فیلترهای م یشود .نظارت بر فعالیت مغز از طریق تحلیل
مناسب. سیگنا لهای نوار مغز EEGیکی از رویکردهای
20
