ارزیابی الگوریتمهای طبقه بندی بر اساس ویژگیهای استخراج شده از سیگنالهای الکترو آنسفالوگرام افراد مبتلا به افسردگی و سالم در دو وضعیت بینایی

چکیده مقاله

افسردگی اساسی یکی از شایع ترین اختلالات روانی است که میتواند تاثیرات منفی زیادی بر عملکرد شناختی و عاطفی فرد بگذارد شناسایی دقیق و به موقع این اختلال میتواند به بهبود فرآیندهای درمانی کمک کند در این پژوهش به شناسایی ویژگیهای مغزی مرتبط با افسردگی اساسی از طریق سیگنالهای الکتروانسفالوگرافی EEG پرداخته شده است داده ها از دو گروه شامل افراد سالم و مبتلا به افسردگی اساسی در دو وضعیت چشم باز و چشم بسته جمع آوری شدهاند از ۱۲ ویژگی مختلف شامل بعد فراکتال هیگوچی، آنتروپی شانون فعالیت و تحرک و پیچیدگی، هیوث انرژی کل و توان باندهای مختلف EEG برای تحلیل استفاده شد پس از پیش پردازش و استخراج ویژگی ها تحلیل مولفههای اصلی برای کاهش ابعاد داده ها انجام شد سپس پنج مدل طبقه بندی شامل K نزدیکترین همسایه، رگرسیون لجستیک، درخت تصمیم، نیو بیز و ماشین بردار پشتیبان برای طبقه بندی داده ها به کار گرفته شدند نتایج نشان داد که مدل نیو بیز با صحت ۹۱/۶۷ و ۸۳/۳۳ در وضعیتهای چشم باز و چشم بسته بهترین عملکرد را داشت این مطالعه نشان میدهد که ویژگیهای استخراج شده از سیگنال مغزی میتوانند ابزار موثری برای شناسایی افسردگی باشند

کلیدواژه‌ها

نویسندگان

آرزو صنعتی فهندری

استادیار گروه مهندسی پزشکی دانشگاه بین المللی امام رضا ع

سارا مشیریان

دانشجوی کارشناسی ارشد گروه مهندسی پزشکی دانشگاه بین المللی امام رضا ع

ابراهیم دانشی فر

دانشجوی کارشناسی ارشد گروه مهندسی پزشکی دانشگاه بین المللی امام رضا ع

�نعتی فهندری، آرزو و مشیریان، سارا و دانشی فر، ابراهیم،1404،ارزیابی الگوریتمهای طبقه بندی بر اساس ویژگیهای استخراج شده از سیگنالهای الکترو آنسفالوگرام افراد مبتلا به افسردگی و سالم در دو وضعیت بینایی،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین