بازشناسی افراد مبتلا به آلزایمر در حالات هیجانی مبتنی بر شبکه‌ عصبی کانولوشنی بهینه و سیگنال الکتروانسفالوگرافی

مقدمه: تشخیص دقیق بیماری آلزایمر در مراحل اولیه نقش مهمی را در مراقبت از بیمار دارد و می‌بایست اقدامات پیشگیرانه را قبل از آسیب غیرقابل برگشت به مغز انجام داد. با افزایش سن تغییراتی در حافظه ایجاد می‌شود که طبیعی است؛ اما نشانه‌‌های بیماری آلزایمر بیش از فراموشی‌های موقتی می‌باشد. تشخیص زودهنگام و هوشمند بیماری آلزایمر در حالات مختلف می‌تواند کمک شایانی به بیماران و پزشکان بکند. روش: در روش پیشنهادی برای بهبود بازشناسی افراد مبتلا به آلزایمر از افراد سالم در حالات هیجانی از شبکه عصبی کانولوشنی استفاده خواهد شد. ابتدا بر روی سیگنال الکتروانسفالوگرافی، پیش‌پردازش‌های موردنیاز انجام می‌شود و سپس به‌عنوان ورودی به شبکه اعمال خواهد شد. در ادامه جهت بهینه‌سازی وزن‌های شبکه عصبی کانولوشنی از الگوریتم ژنتیک استفاده می‌شود. نتایج: تحقیقات انجام شده نشان می‌دهد که لوب پیشانی مغز با احساسات در ارتباط می‌باشد و استفاده از کانال‌های f3 و f4 در مقایسه با سایر کانال‌ها اطلاعات بیشتری را منعکس می‌کند، بنابراین با این اطلاعات عمل تشخیص افراد آلزایمری در حالات هیجانی بهتر انجام می‌شود. نتیجه‌گیری: روش پیشنهادی با سایر دسته‌بندها در حالات خوشایندی و برانگیختگی مورد ارزیابی قرار گرفت و مشاهده شد که این روش در مقایسه با روش‌های دیگر با دقت 92/3 درصد در خوشایندی و 94/3 درصد در برانگیختگی در بازشناسی افراد مبتلا به آلزایمر از کارایی بهتری برخوردار است.

recognition of alzheimer’s patients in emotional states based on the optimal convolutional neural network and electroencephalography

introduction: accurate diagnosis of alzheimer’s disease in the early stages plays an important role in patient care, and preventive measures should be taken before irreversible brain damage occurs. with increasing age, there are changes in memory, which is normal, but the symptoms of alzheimer’s disease are more than temporary forgetfulness. early and intelligent diagnosis of alzheimer’s disease in different situations can greatly help patients and physicians. method: in the proposed method, a convolutional neural network will be used to improve the recognition of people with alzheimer’s disease from healthy people in emotional states. first, the required pre-processing is done on the electroencephalography signal, and then, it will be applied as an input to the network. next, the genetic algorithm is used to optimize the weights of the convolutional neural network. results: the research shows that the frontal lobe of the brain is related to emotions and the use of f3 and f4 channels reflects more information compared to other channels, so with this information, the process of recognizing alzheimer’s patients in emotional states is better conclusion: the proposed method was evaluated with other categories in valence and arousal states. it was observed that this method has a better efficiency compared to other methods with an accuracy of 92.3% in valence and 94.3% in arousal in recognizing people with alzheimer’s disease.