تشخیص بیماری پارکینسون با استفاده از شبکه عصبی کانولوشن از سیگنال eeg

بیماری پارکینسون سریعترین اختلال عصبی در حال رشد در سراسر جهان است که هم علائم حرکتی و هم غیرحرکتی مشخص دارد. بیمارانی که دچار عوارض حرکتی می شوند ممکن است واجد شرایط تحریک عمیق مغز (dbs) باشند، یک مداخله جراحی تهاجمی که در تسکین عوارض حرکتی و بهبود کیفیت زندگی بسیار موثر است به همین دلیل رسیدن به روش هایی با صحت بالا و قابلیت اطمینان برای تشخیص بیماری پارکینسون بسیار ضروری است و هر چه این کار سرعتر و دقیق تر انجام گیرد، روند درمان و بهبودی را تسریع می بخشد، یک ابزار مهم برای چنین ارزیابی های تکمیلی، الکتروانسفالوگرافی است که می تواند فعالیت مغز را به طور مستقیم و غیر تهاجمی اندازه گیری کند. کاربرد الکتروانسفالوگرافی برای کمک به ارزیابی اختلالات شناختی و حتی پیش‌بینی زوال شناختی قبلاً در جمعیت عمومی استفاده شده است. روش های یادگیری عمیق مهمترین و متداولترین روش ها برای تشخیص خودکار بدون دخالت دست می باشند. روز به روز به اهمیت و استفاده از این روش ها افزوده می شود. در این مقاله با استفاده از روش یادگیری عمیق برمبنای شبکه عصبی کانولوشن برای تشخیص بیماری پارکینسون استفاده شده است. در این پایان نامه به صحت 96/22% برای تشخیص پارکینشون دست یافتیم. نتایج بدست امده حاکی از آن است که روش پیشنهادی، روشی مناسب و کارآمد برای تشخیص بیماری پارکینسون با استفاده از سیگنال eeg می باشد.