طراحی سیستم تشخیص صرع کانونی با استفاده از نگاشت مغز، تکنیک های پردازش تصویر و شبکه های عصبی مصنوعی

زمینه و هدف: متداول ترین روش تشخیص پاراکلینیکی صرع، نوار مغز یا الکترونسفالوگرام (eeg) می باشد که با آنالیز چشمی توسط متخصصین نورولوژی انجام می گیرد، اما به دلیل موارد منفی کاذب و هم‎چنین عدم امکان بررسی ارتباط سایر الکترودها و نواحی مغز با هم، از آن به صورت منحصر به فردی در تشخیص صرع استفاده نمی شود. در سال های اخیر الکترونسفالوگرام کوانتیزه (qeeg) به ابزاری قدرت مند در تشخیص ناهنجاری های فعالیت الکتریکی مغز تبدیل شده است. بنابراین پژوهش در زمینه بهبود کارایی eeg، تحلیل و پردازش تصاویر نگاشت مغز متناسب با روش های نوین که دارای تصاویر دو یا سه بعدی از مغز هستند و تشخیص خودکار بیماری صرع ضروری است. مواد و روش ها: در این مقاله مقطعی، از طریق استخراج مشخصه صرع با محاسبه انرژی هر کانال eeg، الگوی نگاشت مغز هر بیمار مبتنی بر درون یابی مکعبی رسم و با استفاده از روش های ترکیبی پردازش تصویر، الگوهای صرع عمومی و صرع جزئی و مرکز پتانسیل صرع توسط شبکه عصبی مصنوعی lvq تشخیص داده می شود. یافته ها: در الگوریتم پیشنهادی الگوی نگاشت 11 نوع صرع شامل 10 نوع صرع جزئی و 1 الگوی صرع عمومی به صورت خودکار تشخیص داده شد. نتیجه گیری: با توجه به پیچیدگی تشخیص صرع در نوار مغز و سیگنال الکترونسفالوگرام و کمبود متخصصین نورولوژی خبره در بسیاری از مناطق کشور این طرح می تواند به عنوان یک روش هوشمند جهت تشخیص صرع مورد استفاده قرار گیرد که با تعمیم این روش می توان انواع الگوهای بیماری های مغزی را تشخیص داد.