[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
اصول اخلاقی::
ثبت نام و اشتراک::
تسهیلات پایگاه::
تماس با ما::
::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
Copyright Policies

AWT IMAGE

..
Open Access Policy

نحوه دسترسی به تمام مقالات مجله بصورت زیر است:

Creative Commons License
..

..
ثبت شده در

AWT IMAGE

AWT IMAGE

..
:: دوره 11، شماره 1 - ( زمستان 1401 ) ::
دوره 11 شماره 1 صفحات 12-1 برگشت به فهرست نسخه ها
تفکیک افراد سالم و مبتلا به آلزایمر با استفاده از ارتباطات موثر سیگنال‌های مغزی
الیاس مزروعی راد* ، هادی پژومند راد ، شهریار سلمانی بجستانی
گروه مهندسی پزشکی، موسسه آموزش عالی خاوران، مشهد، ایران ، elias_mazrooei@yahoo.com
چکیده:   (700 مشاهده)
مقدمه: بیماری آلزایمر یک بیماری تحلیل برنده و پیشرونده مغز است که باعث زوال توانایی‌های ذهنی می شود. تقریباً 5 درصد افراد بالای 70 سال و 20 درصد افراد بالای 80 سال از این بیماری رنج می برند. تاکنون ابزارها و روش های زیادی برای تشخیص بیماری آلزایمر ارائه شده است. البته در بیشتر این روش‌ها، فعل و انفعالات و اتصالات قسمت های مختلف مغز در نظر گرفته نمی شود. از آنجایی که بیماری آلزایمر می تواند ساختارهای مختلف مغز را تحت تاثیر قرار دهد، آسیب به هر بخشی از مغز باعث اختلال در تعامل آن با سایر مناطق می شود. مواد و روش‌ها: شاخص‌های ارتباط مؤثر بین بخش‌های مختلف مغز در دو گروه افراد سالم و افراد مبتلا به بیماری آلزایمر با استفاده از تحلیل علیت گرنجر استخراج شد. به دنبال مقایسه‌های آماری بین مقادیر کمی شاخص‌ها در کانال‌های EEG  مختلف، ارتباط موثر را بررسی شده است. سپس از تحلیل دیفرانسیل خطی برای جداسازی دو گروه از شرکت کنندگان استفاده شده است. داده های مورد استفاده در این تحقیق شامل سیگنال های EEG از 10 فرد سالم و 8 بیمار مبتلا به بیماری آلزایمر (خفیف و شدید) است. یافته‌ها: با تشخیص صحیح همه بیماران و تنها یک تشخیص اشتباه از آزمودنی سالم، دقت 83/33 درصد، دقت 90 درصد، حساسیت 100 درصد و تشخیص 80 درصد برای داده های آزمایش بدست آمده است. نرخ ارتباط موثر کانال های Fz و Cz برای افراد سالم بیشتر از ارتباط موثر کانال Pz است، در حالی که برای بیماران مبتلا به آلزایمر کمترین ارتباط موثر مغزی در کانال Fz و بیشترین ارتباط در کانال Pz و گاهی اوقات در کانال Cz مشاهده شده است. نتیجه‌گیری: با وجود اینکه تعداد ویژگی های خطی استخراج شده بیشتر از ویژگی های گرنجر بود، نتایج ویژگی های گرنجر به مراتب بهتر از نتایج ویژگی های خطی است. بنابراین، اثربخشی علیت گرنجر بار دیگر ثابت شده است و می توان گفت که شاخص های تعامل بین کانال های EEG اطلاعات ارزشمندی را برای طبقه بندی ارائه کرده و منجر به بهتر شدن شناسایی بیماران مبتلا به آلزایمر شده است.
واژه‌های کلیدی: مغز، ارتباط، بیماری آلزایمر
متن کامل [PDF 2204 kb]   (879 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: نوروفيزيولوژي
فهرست منابع
1. B.T. Francesco Roselli, Francesco Federico, Vito Lepore, Giovanni Defazio, Paolo Livrea, "Rate of MMSE score change in Alzheimer's disease: Influence of education and vascular risk factors," Clinical Neurology and Neurosurgery, , 2009; vol. 3: pp. 327-30. [DOI:10.1016/j.clineuro.2008.10.006]
2. Prince M, Wimo A, Guerchet M, Ali G, Wu Y, Prina M. World Alzheimer Report 2015. The global impact of dementia. An analysis of prevalence, incidence, cost & trends; Alzheimer's disease International: London.London: Alzheimer's disease International (ADI); 2015.
3. Van Deursen, J. A., E. F. P. M. Vuurman, V. H.J. M. van Kranen-Mastenbroek, F. R. J. Verhey, and W. J. Riedel. "40-Hz steady state response in Alzheimer's disease and mild cognitive impairment." Neurobiology of aging 32, 2011; no. 1: 24-30. [DOI:10.1016/j.neurobiolaging.2009.01.002]
4. Jaeseung Jeong, EEG dynamics in patients with Alzheimer's disease, Invited review, Clinical Neurophysiology, 2004; 115; 1490-1505. [DOI:10.1016/j.clinph.2004.01.001]
5. Jaeseung Jeong, Nonlinear Dynamics of EEG in Alzheimer's disease, Research Overview, DRUG DEVELOPMENT RESEARCH, 2002; 56: 57-66. [DOI:10.1002/ddr.10061]
6. Lee, M.S., Lee, S.H., Moon, E.O., Moon, Y.J., Kim S., Kim, S.H., Jung, I.K.: Neuropsychological correlates of the P300 in patients with Alzheimer's disease. Prog Neuropsychopharmacol Biol Psychiatry, 2013; 40: 62-9. [DOI:10.1016/j.pnpbp.2012.08.009]
7. E. Mazrooei Rad, M. Azarnoosh *, M. Ghoshuni, M.M. Khalilzadeh, Comparison of the function of the Elman neural network and the deep neural network for the diagnosis of mild Alzheimer's disease, shafaye khatam,2021. [DOI:10.52547/shefa.10.1.1]
8. E. J. Burton, R. Barber, E. B. Mukaetova-Ladinska, J. Robson, R. H. Perry, E. Jaros, R. N. Kalaria, and J. T. O'Brien, Medial temporal lobe atrophy on MRI differentiates Alzheimer's disease from dementia with Lewy bodies and vascular cognitive impairment: a prospective study with pathological verification of diagnosis, Brain, 2009; 132: 195-203. [DOI:10.1093/brain/awn298]
9. Hajmanouchehri, R. CT scan and MRI Findings in Patients with Dementia, Iranian Journal of Forensic Medicine, Review Article Ir J Forensic Med, 2017; 23(3): 150-9. [DOI:10.30699/epub.sjfm.23.3.150]
10. Wood PL, Barnette BL, Kaye JA, Quinn JF, Woltjer RL. Non-targeted lipidomics of CSF and frontal cortex grey and white matter in control, mild cognitive impairment, and Alzheimer's disease subjects, Neuropsychopharmacology, 2015; 143-52. [DOI:10.1017/neu.2015.18]
11. Atif Mehmood, Muazzam Maqsood, Muza_ar Bashir and Yang Shuyuan, A Deep Siamese Convolution Neural Network for Multi- Class Classification of Alzheimer Disease; MDPI, 2020; 8:1041-52. [DOI:10.3390/brainsci10020084]
12. Fei- Fei, L.; Deng, J.; Li, K. ImageNet: Constructing a large-scale image database. J. Vis, 2010; 9: 1037-43. [DOI:10.1167/9.8.1037]
13. Baron, J.C.; Chételat, G.; Desgranges, B.; Perchey, G.; Landeau, B.; De La Sayette, V.; Eustache, F. In vivo mapping of gray matter loss with voxel- based morphometry in mild Alzheimer's disease. Neuroimage, 2001;14: 298-309. [DOI:10.1006/nimg.2001.0848]
14. Irfan Ahmad a, Karunakar Pothuganti b; Analysis of different convolution neural network models to diagnose Alzheimer's disease; Materials Today, 2020; 9: 121- 6. [DOI:10.1016/j.matpr.2020.09.625]



XML   English Abstract   Print


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

mazrooei rad E, pazhoumand H, salmani bajestani S. Separation of Healthy Individuals and Patients with Alzheimer's Disease Using the Effective Communication of Brain Signals. Shefaye Khatam 2022; 11 (1) :1-12
URL: http://shefayekhatam.ir/article-1-2334-fa.html

مزروعی راد الیاس، پژومند راد هادی، سلمانی بجستانی شهریار. تفکیک افراد سالم و مبتلا به آلزایمر با استفاده از ارتباطات موثر سیگنال‌های مغزی. مجله علوم اعصاب شفای خاتم. 1401; 11 (1) :1-12

URL: http://shefayekhatam.ir/article-1-2334-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 11، شماره 1 - ( زمستان 1401 ) 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 53 queries by YEKTAWEB 4642