این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۳۶، شماره ۴۸۲، صفحات ۶۰۱-۶۰۶
عنوان فارسی ارزیابی آشوبناکی سیگنال الکتروانسفالوگرام در سطوح مختلف بیهوشی
چکیده فارسی مقاله مقدمه: امروزه، دستیابی به نمایشگرها و ابزارهایی که به‌ طور دقیق قادر به تعیین خودکار عمق بیهوشی از روی سیگنال الکتروانسفالوگرام باشند، بسیار مورد توجه است. هدف از انجام این پژوهش، ارایه‌ی رویکردی جهت ارزیابی دینامیسم آشوب مغز و فعالیت الکتریکی منتج از آن به منظور بهره‌گیری از دستاوردهای این نظریه در علوم شناختی است. روش‌ها: بر اساس نظریه‌ی آشوب، سیگنال الکتروانسفالوگرام در سطوح مختلف بیهوشی تجزیه ‌و تحلیل و ویژگی‌های آشوبناکی سیگنال استخراج گشت و از نظر مسیر، حالت سیستم آشوبناک مورد ارزیابی قرار گرفت. به‌منظور ارزیابی تأثیر عمق بیهوشی بر آشوبناکی سیگنال الکتروانسفالوگرام، مدل‌های مختلفی مبتنی بر طبقه‌بند Random forest (RF) و ماشین بردار پشتیبان (Support vector machine یا SVM) ایجاد شد. همچنین، روشی جهت استخراج شاخص‌های بزرگ‌ترین نمای Lyapunov (Lyapunov exponent) و بعد فرکتال Higuchi (Higuchi's fractal dimension) از روی سیگنال تک کاناله‌ی الکتروانسفالوگرافی مربوط به 20 بیمار تحت عمل جراحی با بیهوشی توسط گاز استنشاقی پیشنهاد گردید و با روش K-fold مورد ارزیابی قرار گرفت. یافته‌ها: ارزیابی مدل‌های مستخرج نشان ‌دهنده‌ی تکرارپذیری و تفکیک‌پذیری بسیار خوب این مدل‌ها با صحت بالای 93 درصد است. نتیجه‌گیری: مغز و فعالیت الکتریکی منتج از آن، دارای دینامیسم آشوب است؛ از این رو، می‌توان از دستاوردهای نظریه‌ی آشوب علاوه بر بهره‌گیری در گسترش نمایشگر‌های سطح بیهوشی در بسیاری از پژوهش‌های علوم شناختی در تجزیه‌ و تحلیل سیگنال الکتروانسفالوگرام نیز بهره برد.
کلیدواژه‌های فارسی مقاله بیهوشی، آشوب، الکتروانسفالوگرام، فرکتال،
عنوان انگلیسی Evaluation of Chaos on Electroencephalogram in Different Depths of Anesthesia
چکیده انگلیسی مقاله Background: Today having monitors and instruments which are able to automatically and precisely determine the depth of anesthesia from the electroencephalogram (EEG) signal is important. The purpose of this was is to provide an approach to assess the dynamics of brain chaos and its electrical activity in order to take advantage of the achievements of this theory in cognitive science. Methods: According to the chaos theorem, the chaotic features of the electroencephalogram signal in different anesthesia levels have been extracted and evaluated as a chaotic system trajectories. In order to evaluate the effect of anesthesia level on the chaotic behavior of electroencephalogram signal, different models created based on the random forest, and the support vector machine modeling. We proposed a procedure to extract largest Lyapunov exponential and Higuchi’s fractal dimension as chaotic features from one channel electroencephalogram in 20 patients under the different depths of anesthesia with sevoflurane; the evaluation was done using K-fold procedure. Findings: Evaluation of extracted models indicated that mentioned models had repeatability and separability with the accuracy of more than 93%. Conclusion: Results show that the brain and its electrical activities have chaotic dynamism. Therefore, we can take advantage of chaos theorem in developing of anesthesia monitoring, as well as in many other researches related to the cognitive sciences by analyzing the electroencephalogram signal based on the chaos theorem.
کلیدواژه‌های انگلیسی مقاله Anesthesia,Chaos theory,Electroencephalogram,Fractals
نویسندگان مقاله احسان محمدی |
دانشیار، گروه مهندسی پزشکی (بیوالکتریک)، دانشکده‌ی فن‌آوری‌های نوین در علوم پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران

سعید کرمانی |
استاد، گروه بیهوشی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران

محمد گلپرور |


نشانی اینترنتی http://jims.mui.ac.ir/index.php/jims/article/view/9954
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/103/article-103-756695.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات