بهبود عملکرد تشخیص بیماری آلزایمر از سیگنال eeg با ترکیب ویژگی های خطی و غیرخطی

بیماری آلزایمر شایع ترین علت زوال عقل است و معمولاً در افراد مسن دیده می شود. شیوع بیماری آلزایمر در جهان به سرعت در حال افزایش است. در سال های اخیر، پژوهش های فراوانی جهت تشخیص خودکار این بیماری از سیگنال های مغزی صورت گرفته است. در این مقاله به منظور آشکارسازی بیماری آلزایمر در مراحل اولیه، سیگنال های الکتروانسفالوگرام (eeg) مربوط به 35 نفر سالم، 31 نفر بیمار آلزایمری خفیف و 20 نفر بیمار آلزایمری متوسط مورد بررسی قرار می‌گیرند. بدین منظور پس از پیش‌پردازش سیگنال های eeg و تجزیه آنها به زیرسیگنال‌ها با استفاده از تبدیل موجک گسسته (dwt)، مجموعه­ای از ویژگی‌های خطی و غیرخطی از سیگنال های eeg استخراج گردید. سپس دقت تشخیص به کمک طبقه‌بند تحلیل تمایز خطی (lda) مورد ارزیابی قرار گرفت. با بررسی دقت تشخیص برای سه دسته ویژگی خطی، غیرخطی و ترکیبی، برای سه دسته افراد بالاترین دقت به ازای دسته ویژگی‌های ترکیبی توسط طبقه‌بند lda به میزان 49/98 درصد بدست آمد.