|
|
انتخاب ویژگی فرکانسی متمایزکننده افراد معتاد به هروئین از سالم در حین استراحت
|
|
|
|
|
نویسنده
|
توبیها عاطفه ,بهزادفر ندا ,یوسفی محمدرضا ,مهدوی نسب همایون ,شاهقلیان غضنفر
|
منبع
|
پردازش علائم و داده ها - 1401 - شماره : 3 - صفحه:49 -64
|
چکیده
|
هروئین یکی از مواد مخدر اعتیادآور است که با اثر بر روی دستگاه عصبی مرکزی، سبب کاهش تراکم نورونها در مغز و ایجاد اختلال در تصمیمگیری میشود. در این مقاله به بررسی اثرات هروئین بر عملکرد مغز با مطالعه روابط بین قدرت طیفی سیگنال الکتروانسفالوگرام (eeg) و سوء مصرف هروئین اشاره شده است. به این منظور سیگنال eeg در حال استراحت و انجام فعالیت شناختی از پانزده فرد سالم و پانزده فرد وابسته به هروئین در شانزده کانال در یک جلسه ثبت شد. محدوده فرکانسی زیرباندهای سیگنال eeg برای هر فرد به صورت مجزا محاسبه شد. از روش ولش جهت استخراج توان زیرباندهای فرکانسی سیگنال eeg استفاده شده است. ویژگیهای استخراجشده با استفاده از آزمون آماری من-ویتنی و شاخص دیویس بولدین مورد بررسی قرارگرفتهاند. نتایج نشان میدهد که گروه وابسته به هروئین در مقایسه با گروه کنترل دارای توان بالاتری در زیرباندهای دلتا (در مناطق پیشانی، مرکزی و گیجگاهی) و تتا (در تمام کانال ها) هستند. در گروه وابسته به مصرف هروئین توان زیرباندهای الفا نسبت به گروه کنترل کاهش یافته است. توان زیرباند بالای آلفا در لوب پیشانی، گیجگاهی و مرکزی نسبت به سایر زیر باندهای فرکانسی و همچنین در لوبهای مرکزی، آهیانه و گیجگاهی توان دومین زیر باند پایین آلفا در افراد معتاد کاهش یافته است. براساس معیار دیویس بولدین، توان دومین زیرباند پایین آلفا در کانال t6 از قدرت بهتری در متمایزکردن افراد سالم و وابسته به مصرف هروئین برخوردار است.
|
کلیدواژه
|
اعتیاد به هروئین، سیگنال eeg، ویژگیهای فرکانسی، توان، شاخص دیویس-بولدین
|
آدرس
|
دانشگاه آزاد اسلامی واحد نجف آباد, دانشکده مهندسی برق، مرکز تحقیقات پردازش دیجیتال و بینایی ماشین, ایران, دانشگاه آزاد اسلامی واحد نجف آباد, دانشکده مهندسی برق، مرکز تحقیقات پردازش دیجیتال و بینایی ماشین, ایران, دانشگاه آزاد اسلامی واحد نجف آباد, دانشکده مهندسی برق، مرکز تحقیقات ریزشبکه های هوشمند, ایران, دانشگاه آزاد اسلامی واحد نجف آباد, دانشکده مهندسی برق، مرکز تحقیقات پردازش دیجیتال و بینایی ماشین, ایران, دانشگاه آزاد اسلامی واحد نجف آباد, دانشکده مهندسی برق، مرکز تحقیقات ریزشبکه های هوشمند, ایران
|
پست الکترونیکی
|
shahgholian@iaun.ac.ir
|
|
|
|
|
|
|
|
|
choosing the distinguishing frequency feature of people addicted to heroin from healthy while resting
|
|
|
Authors
|
tobeiha atefeh ,behzadfar neda ,yousefi-najafabadi mohamadreza ,mahdavi-nasab homayon ,shahgholian ghazanfar
|
Abstract
|
addiction is a biological, psychological, and social disease. several factors are involved in etiology, substance abuse, and addiction which interact with each other and lead to the beginning of drug use and then addiction. heroin is an addictive drug that, by acting on the central nervous system, reduces the density of neurons in the brain and interferes with decision making. this paper examines the effects of heroin on brain function by studying the relationship between spectral strength of electroencephalogram (eeg) signal and heroin abuse. for this purpose, the resting eeg signal and cognitive activity of 15 healthy individuals and 15 heroin addicts were recorded in 16 channels in one session. the frequency range of eeg signal sub-bands was calculated separately for each individual. welch method has been used to extract the power of eeg signal frequency sub-bands. the extracted features were examined using mann-whitney test and davies-bouldin index. the results show that the heroin-dependent group has higher power in delta (in the frontal, central and temporal regions) and theta (in all canals) than in the control group. in the heroin-dependent group, the power of alpha decreased compared to the control group. high alpha sub-bands power in the frontal, temporal and central lobes compared to other frequency sub-bands, as well as in the central, parietal and temporal lobes, the power of the second low alpha sub-band in decreased addicts. according to davies-bouldin, the power of the second low alpha sub-band in the t6 channel has a better power to differentiate between healthy and heroin-dependent people.
|
Keywords
|
heroin addiction ,eeg signal ,frequency characteristics ,power ,davis- boldin index
|
|
|
|
|
|
|
|
|
|
|