استخراج الگوهای فضایی طیفی از سیگنال های الکتروانسفالوگرام برای تشخیص اختلال شناختی خفیف

اختلال شناختی خفیف (MCI) مرحله ابتدایی بیماری آلزایمر(AD) قلمداد می شود. تشخیص زودهنگام این عارضه، احتمال درمان و جلوگیری از تبدیل آن به زوال عقلی را افزایش می دهد. هدف این مطالعه، تفکیک و طبقه بندی دو گروه افراد سالم و بیماران MCI به وسیله روش پردازشی پیشرفته با به کارگیری فیلترهای فضایی-طیفی در استخراج ویژگی از سیگنال های الکتروانسفالوگرام EEG است. روش پیشنهادی بانک فیلتر الگوی فضایی مشترک (FBCSP) است که اخیرا در مطالعات واسط های مغز و کامپیوتر برای جداسازی تصورات حرکتی با موفقیت استفاده شده است ولی تاکنون درکاربرد تشخیص MCI بررسی و به کارگیری نشده است. تحلیل و بررسی روی داده های 9 فرد بیمار MCI و 12 فرد سالم صورت گرفته و با روش های رایج استخراج ویژگی از توان باندهای فرکانسی و الگوی فضایی مشترک (CSP) کلاسیک مقایسه شده است. به کارگیری روش FBCSP دقت تفکیک 100 درصد را در ارزیابی بایک نمونه خارج شده درپی داشت. یافته های این مطالعه، برتری قابل توجه روش FBCSP نسبت به روش توان باندهای فرکانسی و CSP کلاسیک را در دقت تشخیص MCI نشان می دهد. نتایج این مطالعه بر نقش استفاده از ترکیب های فضایی یادگیری شده در هریک از زیر باندهای فرکانسی برای استخراج ویژگی های موثر در تفکیک افراد سالم از بیماران MCI تاکید دارد.