نوع مقاله: مقاله کامل پژوهشی

نویسندگان

1 دانشگاه آزاد اسلامی واحد نجف آباد

2 هیات علمی دانشگاه آزاد اسلامی واحد نجف آباد و مرکز تحقیقاتی ریز شبکه های هوشمند

10.22041/ijbme.2020.119841.1551

چکیده

اثر اصلی عمده و کوتاه مدت الکل بر سیستم اعصاب مرکزی است. مصرف مشروبات الکلی باعث ایجاد ناتوانی در مغز می‌شود به‌طوری‌که مصرف زیاد مشروبات الکلی باعث فلج‌شدن فعالیت‌های مغزی، دستگاه تنفس و در نتیجه مرگ می‌گردد. در این مقاله به‌منظور تشخیص مصرف الکل، سیگنال الکتروانسفالوگرام (EEG) بیست فرد شرکت‌کننده شامل 10 فرد الکلی و 10 فرد کنترل در 64 کانال مورد بررسی قرار گرفته است. به‌منظور تحلیل سیگنال EEG، ویژگی‌های فرکانسی و غیر-فرکانسی شامل طیف توان زیرباندها، آنتروپی جایگشتی، آنتروپی تقریبی، بعد فراکتال کتز و پتروشن استخراج شده است. برای بررسی تفاوت معنادار بین دو گروه الکل و کنترل از تحلیل آماری و از شاخص دﯾﻮﯾﺲ-ﺑﻮﻟﺪﯾﻦ (DB) برای انتخاب بهترین کانال جهت ایجاد تفکیک بین سیگنال EEG افراد الکلی و کنترل استفاده شده است. نتایج بررسی نشان می‌دهند که در بین ویژگی‌های فرکانسی، توان فرکانسی دومین زیرباند پایین آلفا در افراد الکلی کاهش می‌یابد و با توجه به شاخص DB، کانال CP3 بهترین تفکیک‌پذیری را بین گروه الکل و کنترل دارد. همچنین در بین ویژگی‌های غیر-فرکانسی، بعد فراکتال کتز در افراد گروه کنترل افزایش می‌یابد و کانال FP2 بهترین تفکیک‌پذیری را دارد. در ادامه با استفاده از طبقه‌بندی‌کننده نزدیکترین K همسایه (KNN) با ویژگی‌های توان فرکانسی دومین زیرباند پایین آلفا و بعد فراکتال کتز به ترتیب به دقت 71 درصد و 93 درصد دست یافتیم. بر اساس نتایج به‌دست آمده نشان داده شد که بهترین ویژگی‌ تفکیک‌کننده دو گروه الکل و کنترل، بعد فراکتال کتز و بهترین کانال FP2 است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Classification of Alcoholic and Non-Alcoholic Individuals Based on Frequency and Non-Frequency Features of Electroencephalogram Signal

نویسندگان [English]

  • Maryam Dorvashi 1
  • Neda Behzadfar 1
  • Ghazanfar Shahgholian 2

1 Najafabad Branch, Islamic Azad University

2 Najafabad Branch, Islamic Azad University

چکیده [English]

Consumption of alcohol contributes to disorders in brain. In this study, in order to detect the consumption of alcohol, electroencephalogram (EEG) signal of 20 participants (10 alcoholic and 10 control subjects) recorded by 64 channels was investigated. Frequency and non-frequency features of EEG signal including: power spectrum of signal, permutation entropy, approximate entropy, Katz fractal dimension and Petrosion fractal dimension were extracted to analyses the EEG signal. Statistical analysis was used to investigate the significant differences between the alcohol and control groups. The Davis-Bouldin (DB) criterion was used to select the best channel distinguishing between the alcoholic and nonalcoholic EEG signal.
Results showed that between frequency features, power of lower2 alpha frequency decreased in alcoholic individuals and regarding the DB criterion, the CP3 channel (DB=1.7638) showed the best discrimination between the alcohol and control groups. Also, among the non-frequency features, the Katz fractal dimension increased in the control group and FP2 channel (DB = 0.862) had the best discrimination. Eventually, power of Lower2-alpha frequency band and Katz fractal dimension fed into the nearest neighbor classifier (KNN) classifier, 71% and 93% accuracy were achieved, respectively. According to the results, it can be concluded that the best feature and channel discriminating between alcohol and control groups is the Katz fractal dimension and FP2 channel.

کلیدواژه‌ها [English]

  • Electroencephalogram signal
  • statistical analysis
  • Classification
  • Data Analysis