مقایسه اختلاف بین اطلاعات متقابل الکترودهای الکتروانسفالوگرام در اسکیزوفرنی: یک مسئله طبقه‌بندی

مقدمه: ارزیابی الکتروانسفالوگرام بیماران اسکیزوفرنی موضوع بسیاری از تحقیقات اخیر بوده است. با این حال، تشخیص دقیق اسکیزوفرنی با استفاده از الکتروانسفالوگرام همواره یک بحث چالش‌ برانگیز است.هدف: این مقاله با هدف بررسی اختلاف اطلاعات بین یک کانال مغزی و سایر الکترودها در دو گروه از بیماران اسکیزوفرنی و افراد سالم انجام شد. همچنین، قابلیت ویژگی‌های استخراجی در مسئله تفکیک دو گروه بررسی شد.روش‌: در مطالعه تحلیلی مشاهده‌ای حاضر، از 19 کانال الکتروانسفالوگرام 14 بیمار اسکیزوفرنی (7 مرد با میانگین سنی 3/3 ± 27/9 سال و 7 زن با میانگین سنی 4/1 ± 28/3 سال) که در انستیتوی روانپزشکی و مغز و اعصاب در ورشو لهستان بستری بودند، استفاده شد. به علاوه، داده‌های 14 فرد سالم (7 مرد و 7 زن با میانگین سنی به ترتیب 2/9 ± 26/8 و 3/4 ± 28/7 سال) به عنوان گروه کنترلی تحلیل شد. پتانسیل اطلاعات متقابل و اطلاعات متقابل کوشی شوارتز بین هر الکترود الکتروانسفالوگرام و تمام الکترودهای دیگر محاسبه شد. با استفاده از دو استراتژی، عملکرد ماشین بردار پشتیبان مورد بررسی قرار گرفت: (1) اطلاعات متقابل یک کانال الکتروانسفالوگرام با کانال‌های دیگر و (2) ترکیب اطلاعات متقابل تمام کانال‌های مغزی.یافته‌ها: نتایج نشان داد که با استفاده از اطلاعات متقابل بین کانال‌های الکتروانسفالوگرام، صحت تشخیص تا 100٪ افزایش می‌یابد. برای هر دو شاخص، اطلاعات متقابل میان کانال o2 با سایر کانال‌ها بالاترین عملکرد طبقه‌بندی را ارائه داد.نتیجه‌گیری: این نتایج سیستم پیشنهادی را به عنوان یک سیستم برتر در مقایسه با پیشرفته‌ترین ابزارهای تشخیص اسکیزوفرنی الکتروانسفالوگرام معرفی می‌کند.

Comparing the discrepancy between mutual information of electroencephalogram electrodes in schizophrenia: a classification problem

Introduction: Evaluation of the electroencephalogram of schizophrenic patients has been the subject of many recent studies. However, accurate diagnosis of schizophrenia using the electroencephalogram is still a challenging issue.Aim: This paper was aimed to investigate the information discrepancy between one brain channel and other electrodes in two groups of schizophrenic patients and healthy individuals. Furthermore, the capability of the extracted features in the problem of classification of the two groups was investigated.Method: In the present analytic observational study, 19 channels of the electroencephalogram of 14 patients with schizophrenia (7 males with an average age of 27.9 ± 3.3 years and 7 females with a mean age of 28.3 ± 4.1 years), who were hospitalized at the Institute of Psychiatry and Neurologists in Warsaw, Poland, were used. In addition, data from 14 healthy individuals (7 males and 7 females with an average age of 26.8 ± 2.9 and 28.7 ± 3.4 years, respectively) were analyzed as a control group. Cross information potential and CauchySchwartz mutual information between each electroencephalogram electrode and all the other electrodes were calculated. Using two strategies, the performance of the support vector machine was evaluated: (1) the mutual information of an electroencephalogram channel with other channels, and (2) the combination of the mutual information of all brain channels.Results: The results showed that using mutual information between electroencephalogram channels, the diagnosis accuracy increases up to 100%. For both indices, the mutual information between O2 and the other channels provided the highest classification performance.Conclusion: These results nominated the proposed system as a superior one compared to the stateoftheart electroencephalogram schizophrenia diagnosis tools.