TY - JOUR ID - 27689 TI - تشخیص تومور مغزی با استفاده از ویژگی‌های خطی و غیرخطی سیگنال‌های الکتروانسفالوگرام JO - نشریه‌ی علمی مهندسی پزشکی زیستی JA - IJBME LA - fa SN - 5869-2008 AU - تابان‌فر, زهرا AU - فیروزآبادی, سیدمحمد AU - شنکائی, زینب AU - شریفی, گیو AU - نوین, کامبیز AU - ذوقی, آناهیتا AD - دانش‌آموخته‌ی کارشناسی ارشد، گروه بیوالکتریک، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت‌مدرس، تهران دانشجوی دکتری مهندسی پزشکی، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران AD - استاد، گروه فیزیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران AD - پژوهشگر فرادکتری، گروه فیزیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران AD - دانشیار گروه جراحی اعصاب، بیمارستان لقمان حکیم، دانشگاه علوم پزشکی شهید بهشتی، تهران AD - استادیار گروه رادیوتراپی، بیمارستان امام حسین (ع)، دانشگاه علوم پزشکی شهید بهشتی، تهران AD - استادیار گروه نورولوژی، بیمارستان لقمان حکیم، دانشگاه علوم پزشکی شهید بهشتی، تهران Y1 - 2016 PY - 2016 VL - 10 IS - 3 SP - 211 EP - 221 KW - تشخیص بیماری تومور مغزی KW - سیگنال‌های الکتروانسفالوگرام KW - اندیس دیویس-بولدین KW - ویژگی‌های خطی و غیرخطی سیگنال‌های EEG DO - 10.22041/ijbme.2017.72077.1260 N2 - در پژوهش حاضر، سیگنال­های الکتروانسفالوگرام بیماران مبتلا به تومور مغزی و افراد سالم را برای مطالعة تغییرات ناشی از بروز تومور مغزی در سیگنال­های مغزی و در‌نهایت امکان­سنجی تشخیص این بیماری توسط سیگنال­های EEG، بررسی کرده‌ایم. برای این منظور از داده‌های EEG ثبت­شده از چهار کانال F3، F4، T3 و T4 برای پنج فرد مبتلا به تومور مغزی و چهار فرد سالم، استفاده شده است. پس از پیش‌‌پردازش، ویژگی­های خطی زمانی و طیف فرکانسی و ویژگی­های غیرخطی بُعد فرکتال و آنتروپی، استخراج شد. سپس تمایزپذیری میان دو گروه، با استفاده از اندیس دیویس-بولدین، طبقه‌بندی خطی LDA، غیرخطی KNN و SVM بررسی شد. بر‌اساس مقادیر به‌دست‌آمده برای اندیس دیویس-بولدین در وضعیت استراحت ذهنی چشم­بسته، ویژگی­های RMS، توان مطلق باند تتا، آنتروپی ­نمونه و آنتروپی تقریبی و در وضعیت استراحت ذهنی چشم­باز، ویژگی­های RMS و توان مطلق باند تتا، بیشترین تمایزپذیری را میان دو گروه سالم و بیمار نشان دادند. در این مرحله، طبقه­بندی دو گروه سالم و بیمار با استفاده از تک­ویژگی­ها انجام شد، که بهترین صحت طبقه­بندی مربوط به ویژگی RMS در حالت استراحت ذهنی چشم­بسته و 88.89% به‌دست آمد. این موضوع نشان­دهندة این است که ویژگی خطی RMS در افراد سالم و مبتلایان به تومور مغزی، تمایز خوبی ایجاد می­کند. در پایان نیز برای دو حالت استراحت ذهنی چشم­بسته و چشم­باز و با استفاده از تمامی ویژگی­های منتخب، طبقه‌بندی انجام شد. با توجه به نتایج، بیشترین صحت طبقه­بندی 82.54% با استفاده از ویژگی­های برتر RMS، توان مطلق باند تتا، آنتروپی ­نمونه و آنتروپی تقریبی در حالت استراحت ذهنی چشم­بسته، به‌دست آمد. با توجه به نتایج مشاهده می­شود که ویژگی­های خطی، قابلیت خوبی برای جداسازی سیگنال­های EEG افراد سالم و بیماران مبتلا به تومور مغزی دارند، که می‌توان از آنها، به‌دلیل سادگی و بار محاسباتی کم، برای تشخیص برخط بیماری تومور مغزی، به‌خصوص در آزمون­های دوره­ای غربالگری، استفاده کرد. UR - https://www.ijbme.org/article_27689.html L1 - https://www.ijbme.org/article_27689_c06ec814ed0e68c239e54837b39962b3.pdf ER -