دوره 22، شماره 4 - ( 12-1404 )                   جلد 22 شماره 4 صفحات 19-38 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Alidoust Ghadikolayi A A, Nasrabadi A M, Malayeri S. ADHD recognition by processing nonlinear features of ABR based on a new innovative method for extracting Geometry features from phase space trajectory. JSDP 2026; 22 (4) : 2
URL: http://jsdp.rcisp.ac.ir/article-1-1436-fa.html
علی دوست قادیکلایی علی اکبر، نصرآبادی علی مطیع، ملایری سعید. تشخیص بیماری ADHD به‌وسیله پردازش غیرخطی پاسخ برانگیخته شنوایی ساقه مغز (ABR). پردازش علائم و داده‌ها. 1404; 22 (4) :38-19

URL: http://jsdp.rcisp.ac.ir/article-1-1436-fa.html

تشخیص بیماری ADHD به‌وسیله پردازش غیرخطی پاسخ برانگیخته شنوایی ساقه مغز (ABR)
علی اکبر علی دوست قادیکلایی ، علی مطیع نصرآبادی* ، سعید ملایری
استاد گروه مهندسی پزشکی، دانشکده فنی و مهندسی دانشگاه شاهد، تهران، ایران
چکیده:   (89 مشاهده)
تشخیص ADHD در سال‌های نخست تولد، برای طراحی برنامه درمانی بهتر برای بیماران ضروری است؛ بر اساس آخرین پژوهش‌ها، تشخیص این اختلال از روی ABR[1] روشی مؤثر است. باتوجه به اینکه در اصل ABR غیرخطی است، پردازش غیرخطی می‌تواند برای طبقه‌بندی گروه‌های نرمال و [2]ADHD از یکدیگر مؤثرتر باشد. در این پژوهش، سیگنال ABR دو گروه از کودکان شامل 37 کودک عادی و 31 کودک دارای اختلال ADHD ثبت شده‌است. در ابتدا سیگنال زمانی دوبعدی ABR با روش جای‌گذاری[3] به سیگنال سه‌بعدی تبدیل شد تا از روی آن فضای فاز سیگنال ترسیم شود. در فضای فاز به بررسی صحت این فرض که ممکن است سیگنال‌های نرمال و ADHD در زمان‌های متفاوت در نوع حضور و حرکت بین محوطه‌های مختلف فضای فاز تفاوت داشته باشند پرداخته شد؛ به این منظور ابتدا فضای فاز به المان‌های حجم[4] مساوی بسته به طول هر سیگنال تقسیم‌بندی شد و سپس با تعریف و استخراج ویژگی‌های هندسی جدید در فضای فاز، روش جدیدی برای طبقه‌بندی دو گروه ارائه شده‌است. این رویکرد شامل بررسی اشغال فضای وکسل‌ها به‌وسیله نقاط ترژکتوری داده‌ها در فضای فاز است؛ درنهایت کارایی این روش و ویژگی‌ها ارزیابی شد و بهترین نتیجه در ویژگی مینیمم محلی استخراج‌شده با روش جدید و با استفاده از طبقه‌بندی‌کننده‌های KNN و SVM مشاهده شد. بهترین دقت حدود 98.53 است که افزایش قابل‌توجهی در دقت را در مقایسه با رویکردهای پردازش خطی نشان می‌دهد.
 
[1] Auditory Brainstem Response
[2] Attention Deficit Hyperactivity Disorder
[3] Embedding
[4] Voxels
شماره‌ی مقاله: 2
واژه‌های کلیدی: اختلال بیش‌فعالی و نقصان توجه، پاسخ ساقه مغز به تحریک شنوایی، فضای فاز، ترژکتوری
متن کامل [PDF 1374 kb]   (42 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
دریافت: 1403/5/13 | پذیرش: 1404/4/30 | انتشار: 1404/12/29 | انتشار الکترونیک: 1404/12/29
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.