[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله ::
:: دوره 9، شماره 1 - ( زمستان 1399 ) ::
دوره 9 شماره 1 صفحات 152-165 برگشت به فهرست نسخه ها
روش‌های تشخیص افتراقی اختلالات شناختی با استفاده از شبکه‌های عصبی مصنوعی مبتنی بر سیگنال‌های الکتروانسفالوگرام: یک مرور نظام مند
سمن فولادی، دکتر علی اصغر صفایی*
گروه انفورماتیک پزشکی، دانشکده علوم پزشکی تهران، دانشگاه تربیت مدرس، تهران، ایران ، aa.safaei@modares.ac.ir
چکیده:   (166 مشاهده)
مقدمه: بیماری آلزایمر نوعی اختلال مغز است که به تدریج عملکرد شناختی و در نهایت توانایی انجام کارهای روزمره را دچار اختلال می‌کند. تشخیص زودهنگام این بیماری توجه بسیاری از پزشکان و محققان را به خود جلب کرده است و از روش‏ های مختلفی برای شناسایی آن در مراحل اولیه استفاده شده است. ارزیابی شبکه‏ های عصبی مصنوعی روشی کم هزینه و بدون اثرات جانبی است که برای تشخیص و پیش‏بینی بیماری آلزایمر در افراد دارای اختلال شناختی خفیف، بر پایۀ امواج الکتروانسفالوگرام استفاده می ‏شود. مواد و روش ‏ها: برای این مطالعۀ مروری نظام‌مند، کلمات کلیدی "آلزایمر"، "شبکه مصنوعی عصبی" و "EEG" در پایگاه داده های IEEE ، PubMed Central، Science Direct وGoogle Scholar، بین سال‌های 1388 تا 1398 جستجو شدند. سپس برای ارزیابی منتقدانه و بر اساس بیشترین ارتباط با موضوع مورد مطالعه، انتخاب شدند. یافته‌ها: نتیجۀ جستجو در این پایگاه‏ های اطلاعاتی 100 مقاله بود. به استثنای مقالات غیر مرتبط، فقط 30 مقاله مورد مطالعه قرار گرفتند. در این مطالعه، انواع مختلفی از شبکه‏ های عصبی مصنوعی شرح داده شد، سپس، صحت طبقه‏ بندی به‏ دست آمده توسط این روش‌ها بررسی شد. نتایج نشان داده است که برخی از روش‌ها، علی‏رغم اینکه در تحقیقات کمتر مورد استفاده قرار می‏ گیرند یا شامل معماری ساده‌‌ای هستند، بالاترین صحت برای طبقه‌بندی را دارند. در بسیاری از مطالعات، شبکه‏ های عصبی مصنوعی در مقایسه با سایر روش ‏های طبقه بندی در نظر گرفته شده‌اند و نتایج برتری این روش‏ ها را نشان می‏ دهد. نتیجه‌گیری: از شبکه‏ های عصبی مصنوعی می‌توان به عنوان ابزاری برای تشخیص زودهنگام بیماری آلزایمر استفاده کرد. این شبکه‌ها را می‌توان از لحاظ صحت طبقه‌بندی، سرعت، معماری و کاربرد متداول، مورد بررسی قرار داد. برخی از شبکه‏ ها در طبقه‏ بندی و درک داده ‏ها دقیق هستند، اما کند هستند و یا به محیط‏ های سخت ‏افزاری/ نرم ‏افزاری خاصی نیاز دارند. بعضی دیگر از شبکه‌ها با داشتن معماری ساده، نسبت به شبکه‌های پیچیده بهتر عمل می‌کنند. علاوه براین، تغییر در معماری شبکه‏ های معمولی یا ترکیب آن ‏ها با سایر روش ‏ها، نتایج متفاوت قابل توجهی را به همراه داشت. افزایش صحت طبقه‌بندی این شبکه‌ها در تشخیص نقص شناختی خفیف، می‏ تواند به پیش‏ بینی مناسب بیماری آلزایمر کمک کند.
واژه‌های کلیدی: بیماری آلزایمر، اختلال عملکرد شناختی، الکترو‌انسفالوگرافی
متن کامل [PDF 1861 kb]   (44 دریافت)    
نوع مطالعه: مروري سيستماتيك | موضوع مقاله: تحقیقات پایه در علوم اعصاب


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

fouladi S, Safaei A A. Differential Diagnostic Methods for Cognitive Disorders Using Neural Networks Based on Electroencephalogram Signals: A Systematic Review. Shefaye Khatam. 2020; 9 (1) :152-165
URL: http://shefayekhatam.ir/article-1-2029-fa.html

فولادی سمن، صفایی علی اصغر. روش‌های تشخیص افتراقی اختلالات شناختی با استفاده از شبکه‌های عصبی مصنوعی مبتنی بر سیگنال‌های الکتروانسفالوگرام: یک مرور نظام مند. مجله علوم اعصاب شفای خاتم. 1399; 9 (1) :152-165

URL: http://shefayekhatam.ir/article-1-2029-fa.html



دوره 9، شماره 1 - ( زمستان 1399 ) برگشت به فهرست نسخه ها
مجله علوم اعصاب شفای خاتم The Neuroscience Journal of Shefaye Khatam
Persian site map - English site map - Created in 0.05 seconds with 30 queries by YEKTAWEB 4280