این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
زیست فناوری، جلد ۹، شماره ۴، صفحات ۶۵۳-۶۵۸
عنوان فارسی تحلیل داده‌های الکتروانسفالوگرام حین استراحت در بیماران مبتلا به تومور مغزی
چکیده فارسی مقاله اهداف: آزمایش الکتروانسفالوگرام (EEG) به‌عنوان یک آزمایش بالینی مهم برای تشخیص بسیاری از بیماری‌های مغزی مطرح است. هدف مطالعه حاضر، تحلیل داده‌های الکتروانسفالوگرام حین استراحت در بیماران مبتلا به تومور مغزی بود.
مواد و روش‌ها: در مطالعه تحلیلی مشاهده‌ای حاضر، از داده‌های EEG حین استراحت 44 فرد مبتلا به تومور مغزی (گروه تومورال) و 31 فرد سالم (گروه سالم) استفاده شد. پس از پیش‌‌پردازش و حذف آرتیفکت‌های موجود در سیگنال‌ها، ویژگی‌های خطی زمانی و طیفی توان نسبی باندهای متفاوت فرکانسی، ویژگی‌های غیرخطی بعد فرکتال و آنتروپی استخراج شد. سپس تمایزپذیری میان دو گروه سالم و تومورال بر مبنای ویژگی‌های استخراج‌شده، با استفاده از روش آماری شاخص دیویس-بولدین، طبقه‌بندی خطی (LDA) و طبقه‌بندی غیرخطی k نزدیک‌ترین همسایه (KNN) مورد بررسی قرار گرفت.
یافته‌ها: میان ویژگی‌های بعد فرکتال کتز و طول شکل موج دو گروه سالم و تومورال، تفاوت معنی‌داری وجود نداشت. در میان سایر ویژگی‌ها، آنتروپی نمونه با کاهش معنی‌دار در گروه تومورال، بیشترین تمایز را میان دو گروه ایجاد کرد (مقدار 0.69 برای گروه سالم در مقابل 0.53 برای گروه بیمار). بالاترین صحت طبقه‌بندی دو گروه، با استفاده از آنتروپی نمونه و طبقه‌بند KNN برابر با 84% بود.
نتیجه‌گیری: سیگنال‌های EEG، پتانسیل جداسازی بیماران تومورال مغزی و افراد سالم را دارند. ویژگی غیرخطی آنتروپی با تطبیق بیشتر بر ماهیت غیرخطی مغز، صحت بالاتری در بازنمایی گروه تومورال نشان می‌دهد. آنتروپی کمتر گروه تومورال نشان‌دهنده پیچیدگی کمتر در پردازش‌های مغزی این گروه نسبت به افراد سالم است.
کلیدواژه‌های فارسی مقاله الکتروانسفالوگرام،تومور مغزی،تحلیل داده،
عنوان انگلیسی Analysis of Electroencephalogram Data during Rest in Patients with Brain Tumor
چکیده انگلیسی مقاله Aims: Electroencephalogram (EEG) is an important clinical test for the diagnosis of many brain diseases. The aim of this study was the analysis of electroencephalogram data during rest in patients with brain tumor.
Materials and Methods: In the present analytic observational study, EEG data of 44 patients with brain tumor (tumoral group) and 31 healthy subjects (healthy group) during rest were used. After preprocessing, the linear temporal features, linear spectral features of different frequency bands, and non-linear features of fractal dimension and entropy were extracted. Then, the distinction between healthy and tumoral groups based on extracted features was investigated, using the Davis-Bouldin statistic method, linear discriminant analysis (LDA) and nonlinear K-Nearest Neighbor (KNN) classification.
Findings: There was no significant difference between the the fractal kutz dimension and the waveform length of the two healthy and tumoral groups. Among other features, the sample entropy with a significant reduction in the tumoral group made the most distinction between the two groups (0.69 for the healthy group and 0.53 for the tumoral group). The highest classification accuracy of the two groups was 84%, using the sample entropy and KNN classification.
Conclusion: EEG signals have the potential to distinct the patients with brain tumor and healthy subjects. Nonlinear entropy features with more adaptation to the nonlinear nature of the brain shows a higher accuracy in the representation of the tumoral group. The less entropy of the tumoral group indicates less complexity in the brain processing of this group than the healthy group.
کلیدواژه‌های انگلیسی مقاله الکتروانسفالوگرام,تومور مغزی,تحلیل داده
نویسندگان مقاله زهرا تابان فر |
گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران

سیدمحمد فیروزآبادی |
گروه فیزیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران

زینب خداکرمی |
گروه فیزیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران

زینب شنکائی |
گروه فیزیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران

نشانی اینترنتی https://biot.modares.ac.ir/article_22464_eb95df97a3fb57fd9ea8743b997f8fdb.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات