استخراج نحوه تغییر رفتار مغز بیماران مبتلا به میگرن به وسیله تحلیل کمی سیگنال الکتروانسفالوگرام بیماران در مقایسه با افراد سالم

زمینه. بیماری میگرن دومین علت شایع سردرد است که 15 درصد از مردم دنیا بدان مبتلا هستند. با وجود شیوع بالا علت دقیق وقوع بیماری میگرن مشخص نیست. در این مطالعه به منظور بررسی تغییر رفتار سیگنال های الکتروانسفالوگرام (eeg) در بیماران مبتلا به میگرن، ویژگی های مختلفی از سیگنال های eeg دو گروه بیمار و سالم استخراج و مقایسه شده اند. روش کار. مطالعه مقطعی حاضر با رویکرد توصیفی-تحلیلی روی 21 فرد سالم و 18 بیمار مبتلا به میگرن انجام شد. پس از پیش پردازش سیگنال های eeg، ویژگی های مختلفی از جمله بعد کسری (فرکتال)، آنتروپی تقریبی (approximate) و بزرگ ترین نمای لیاپانوف از سیگنال های بیماران مبتلا به میگرن و افراد سالم محاسبه شدند. همچنین با استفاده از تبدیل موجک زیرباندهای مختلف فرکانسی دلتا، تتا، آلفا، بتا و گاما استخراج شده و انرژی این زیرباندها محاسبه شدند. با محاسبه میانگین و واریانس ویژگی ها و آزمون های آماری، تغییرات ویژگی بین دو گروه بیمار و سالم مقایسه شدند و کانال های با تفاوت معنادار به دست آمدند. یافته ها. میانگین ویژگی های آنتروپی تقریبی، بعد کسری و انرژی همه زیرباندهای فرکانسی در اغلب کانال ها از 128 کانال مورد مطالعه در بیماران نسبت به افراد سالم بیشتر بود. همچنین میانگین ویژگی بزرگ ترین نمای لیاپانوف سیگنال های eeg بیماران مبتلا به میگرن در اکثر کانال ها نسبت به افراد سالم کمتر بود. با توجه به آزمون های آماری انرژی زیرباند فرکانسی تتا و دلتا با 93 و 94 کانال، ویژگی هایی با بیشترین تعداد کانال با تفاوت معنادار بودند. در این مطالعه مقادیر p کمتر از 0/05 از لحاظ آماری معنادار در نظر گرفته شد. نتیجه گیری. افزایش آنتروپی تقریبی، بعد کسری و کاهش بزرگ ترین نمای لیاپانوف در سیگنال های eeg بیماران مبتلا به میگرن همگی می تواند نشان دهنده افزایش رفتارهای نامنظم و تصادفی و کاهش پیچیدگی سیستم دینامیکی مغز باشد. همچنین افزایش انرژی همه زیرباندهای فرکانسی در بیماران نشان دهنده بیشتر بودن فعالیت مغز بیماران مبتلا به میگرن است که می تواند به دلیل به وجود آمدن مداراتی در مغز بیماران، اضطراب، استرس، احساسات و هیجانات قوی در بیماران باشد. پیامدهای عملی. با در نظر گرفتن رفتار eeg به عنوان پاسخ یک سیستم دینامیکی، می توان گفت که عملکرد مغز بیماران مبتلا به میگرن حتی در حالت بدون سردرد، از آشوب قطعی که رفتار مغز سالم است خارج شده و به سمت رفتارهای تصادفی می رود.

extracting brain behavior change in patients with migraine by quantitative analysis of electroencephalogram signal of patients compared to healthy people

background. migraine disease is the second most common cause of headaches. despite the high prevalence, the exact etiology of migraine is yet unknown. in this study, to evaluate the behavior change of electroencephalography (eeg) signals in migraine patients, various features of the eeg signals of migraine patients and healthy controls (hcs) were extracted and compared. methods. this cross-sectional analytical study was conducted on 21 hcs and 18 migraine patients. various features, such as fractal dimension (fd), approximate entropy (apen), and largest lyapunov exponent (lle), were calculated from the eeg signals of migraine patients and hcs. then different frequency sub-bands of delta, theta, alpha, beta, and gamma were extracted using the wavelet transform, and the energy of these sub-bands was computed. by calculating the mean and variance of the features and applying statistical tests, the feature changes were compared between two groups, and channels with significant differences were identified. results. the mean of apen, fd and energy of all frequency sub-bands in most of the analyzed channels was higher in migraine patients than in hcs. the mean lle was mostly lower in migraine patients than in healthy controls. according to the statistical tests, the energy of theta and delta frequency sub-bands with 36 and 35 channels was the feature with the highest number of channels, with a significant difference. in this study, p values less than 0.05 were considered statistically significant. conclusion. migraine patients may have a less sophisticated brain dynamic system due to an increase in irregularity and randomness, as indicated by an increase in apen and a decrease in fd in their eeg signals compared to hcs. anxiety, tension, and other intense sentiments and emotions, as well as the creation of new neural circuits in the brain, can all contribute to an overall increase in energy across all frequency sub-bands in migraine patients. practical implications. considering the eeg signal behavior as the response of a dynamic system, we can say that the brain function of migraine patients, even in the inter-ictal phase, leaves the definite chaotic state, which is a healthy brain behavior, and enters the random state.